问题： 1.远程监督的方法由于约束较低，所以导致会产生大量的噪声数据 2.特征抽取方法没有充分考虑两个实体间的位置信息 解决方法： 1.采用多示例学习缓解噪声 将同一Bag(相同实体对）置信度最高的句子的关系 作为Bag中所有句子的关系（假设还是很强） 2.提出PCNNs网络 之前的CNN只能提取到 ...
分类：
Web程序 时间：
2019-10-10 22:56:58
阅读次数：
160
基本概念： 根据样本个体之间的相似度 支持度support 置信度confident 示例：如果一个人买了商品X，那么他很有可能购买商品Y （本例有两个特征值0和1，表示是否购买） 过程思路： 1、在numpy中加载数据集 numpy是二维数组，看上去像一张表。 数组的每一项为个体的某项特征值。 数 ...
分类：
其他好文 时间：
2019-10-08 22:08:01
阅读次数：
183
应用统计学 独立样本：清华女生vs国科大女生 后面小样本验证正态的方法： 大样本将样本方差就认为是总体方差，与t分布无关。 前提条件：小样本两个独立样本，且都是正态总体。 标准差相同时，自由度直接相加，因为形状相同。 标准差不同时，则图像不能直接调成一种分布，所以要再调权重： 以上，标准差不同在计算 ...
分类：
其他好文 时间：
2019-10-02 00:36:20
阅读次数：
122
显性反馈行为：用户明确表示对物品喜好的行为。 隐性反馈行为：不能明确反映用户喜好的行为。 隐性反馈的特性 1.没有负反馈。隐性反馈无法判断是否不喜欢。而显性反馈，明显能区分是喜欢还是不喜欢。2.先天性具有噪声。用户购买了某物品，并不代表他喜欢，也许是送礼，也许买了之后发现不喜欢。3.显性反馈数值代表 ...
分类：
其他好文 时间：
2019-10-01 15:52:45
阅读次数：
197
知识图谱的构建技术主要有自顶向下和自底向上两种。其中自顶向下构建是指借助百科类网站等结构化数据源，从高质量数据中提取本体和模式信息，加入到知识库里。而自底向上构建，则是借助一定的技术手段，从公开采集的数据中提取出资源模式，选择其中置信度较高的信息，加入到知识库中。 在本文中，笔者主要想分享一下自底向 ...
分类：
其他好文 时间：
2019-09-05 21:46:21
阅读次数：
134
上一篇我们讲了关联分析的几个概念，支持度，置信度，提升度。以及如何利用Apriori算法高效地根据物品的支持度找出所有物品的频繁项集。 "Python 深入浅出Apriori关联分析算法（一）" 这次呢，我们会在上次的基础上，讲讲如何分析物品的关联规则得出关联结果，以及给出用 apyori 这个库运 ...
分类：
编程语言 时间：
2019-08-22 18:42:40
阅读次数：
115
1.调用函数regress(Y,X,alpha)，plpha是置信度，如果直接用regress(Y,X)则默认置信度为0.05，Y是一个 的列向量，X是一个 的矩阵，其中第一列是全1向量。 2.函数返回值及意义 b 回归系数，是一个一维向量，第一个是回归方程的常数b0 bint 回归系数的置信区间， ...
分类：
其他好文 时间：
2019-08-06 20:16:10
阅读次数：
137
一般我们可以找出用户购买的所有去拼数据里频繁出现的项集序列，然后做频繁集挖掘，找到满足支持度阈值的关联去拼的频繁N项集或者序列。如果用户购买了频繁项集N项集或者序列里的部分商品，那么我们就可以将频繁序列或频繁项集里的其他物品按移动的评分规则推荐给用户，这个评分规则可以包括支持度、置信度和提升度等。 ...
分类：
编程语言 时间：
2019-07-26 21:30:55
阅读次数：
193
如果客户买了 xx 物品,那么他可能买YY物品 规则常用的方法,支持度和置信度 支持度是指规则的应验次数 置信度就是应验次数所占的比例 直接上代码 结果: 通过 置信度和支持度即可 知道 当买了什么时候,客户更喜欢在买什么 ...
分类：
其他好文 时间：
2019-07-20 11:45:48
阅读次数：
625
某企业随机抽取100名工人进行技能测试成绩分别为：（单位：分） 57 89 49 84 86 87 75 73 72 68 75 82 97 81 67 81 54 79 87 95 76 73 60 90 65 76 71 70 86 85 89 89 64 57 83 84 78 87 72 6 ...
分类：
其他好文 时间：
2019-06-14 23:56:32
阅读次数：
270
