- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我对 Doc2Vec 的某个方面有点困惑。基本上,我不确定我所做的是否有意义。我有以下数据集:
train_doc_0 --> label_0
... ...
train_doc_99 --> label_0
train_doc_100 --> label_1
... ...
train_doc_199 --> label_1
... ...
... ...
train_doc_239999 --> label_2399
eval_doc_0
...
eval_doc_29
其中train_doc_n
是一个简短的文档,属于某个标签。有 2400 个标签,每个标签有 100 个训练文档。 eval_doc_0
是评估文档,我想最终预测它们的标签(使用分类器)。
我使用这些训练文档和标签训练 Doc2Vec 模型。模型训练完成后,我使用 infer_vector
将每个原始训练文档以及我的评估文档(我最终想要分类的文档)重新投影到模型的空间中。
结果是一个矩阵:
X_train (240000,300) # doc2vec vectors for training documents
y_train (240000,) # corresponding labels
y_eval (30, 300) # doc2vec vectors for evaluation documents
我的问题如下:如果我在 X_train
和 y_train
上运行简单的交叉验证,我会获得不错的准确性。一旦我尝试对我的评估文档进行分类(甚至只使用 50 个随机采样的标签),我的准确率就非常差,这让我质疑我解决这个问题的方法。
我关注了这个tutorial用于文档培训。
我的方法有意义吗,特别是使用 infer_vector
重新投影所有训练文档?
最佳答案
我没有发现任何明显的错误。
评估文档在长度、词汇等方面与培训文档相似吗?理想情况下,它们是所有可用标记示例的随机选择的子集。 (如果差异很大,这可能就是交叉验证与保留评估准确性不同的原因。)
在训练 Doc2Vec 模型时,您是否为每个文档提供一个唯一的 ID 作为其标签
的唯一条目?或者您是否使用 label_n
标签作为训练示例的 tags
?或者也许两者兼而有之? (任何这些都是合理的选择,尽管我发现将已知标签混合到通常“无监督”的 Doc2Vec 训练中,使其成为半监督的,通常有助于 mdoels 的向量作为后来的显式监督分类器的输入变得更有用。 )
当我在一个意想不到的步骤中获得前所未有的“ super 糟糕”准确度时,通常是因为测试示例发生了一些错误的洗牌或重新排序——随机化了真实的关系。因此,值得在代码中并通过详细查看一些示例来仔细检查这一点。
重新推断训练中使用的示例的向量,而不是简单地询问模型中保留的经过训练的向量,有时会产生更好的向量。然而,许多人发现 infer_vector()
的参数与默认参数不同,尤其是更多的 steps
以及可能更接近的起始 alpha
在训练期间使用的可能会改善结果。 (此外,在更简单的 PV-DBOW、dm=0
模式中,推理似乎可以通过更少的步骤更好地工作。PV-DM、dm=1
可能特别需要更多步骤。)
您链接的教程显示了一种做法,在自己调整 alpha
的同时多次调用 train()
,这通常是不必要的且容易出错 - 特别是不太可能在最新的 gensim 版本中做正确的事情。您可以保留默认的 alpha
/min_alpha
不变,并在 Doc2Vec
初始化期间提供首选的 iter
值 - 并且然后一次调用 train()
将自动执行这么多遍,并适当降低学习率。由于默认的 iter
是 5,如果您不设置它,每次调用 train()
都会执行 5 次 - 所以这样做你自己的外部循环 10 意味着 50 次通过,而该教程中的代码,由于某些奇怪的原因,每个循环两次调用 train()
,意味着 100 次通过。
关于python - Doc2Vec:将训练文档重新投影到模型空间中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42109463/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!