霍夫曼编码（Huffman Coding），又译为哈夫曼编码、赫夫曼编码，是一种用于无损数据压缩的熵编码（权编码）算法。

继续NLP保姆级教程系列，今天的教程是基于FAIR的Bag of Tricks for Efficient Text Classification[1]。也就是我们常说的fastText。

在基于机器学习的文本分类中，我们介绍了几种常见的文本表示方法：One-hot、Bags of Words、N-gram、TF-IDF。这些方法存在两个共同的问题：一是转换得到的向量维度很高，需要较长的训练实践；二是没有考虑到单词与单词之间的关...

之前我们介绍了两种表示词向量的方法：「基于数量」的矩阵分解方法（HAL & LSA）和「基于窗口」的概率方法（word2vec）。第二种方法明显优于第一种，但其只考虑了一个较小窗口内的词语信息，没有利用好全局的词语共现数据。...

Word2Vec是一组用来产生词嵌入的模型，包括两种主要的模型：skip-gram和CBOW。

Word2Vec 是 Google 在 2013 年开源的一个词向量（Word Embedding）计算工具，其用来解决单词的分布编码问题，因其简单高效引起了工业界和学术界极大的关注。...

博客地址：http://blog.csdn.net/mytestmy/article/details/26969149

根据论文所述，我这里设定window size=2，即每个中心词左右各取2个词作为背景词，那么对于上面的list，窗口每次滑动，选定的中心词和背景词如下图所示...

二值分类器是机器学习中最常见的分类器。评价的指标也有很多，precision，recall，F1 score等等。ROC曲线也是之一。ROC，Receiver Operating Characteristic Curve，受试者工作特征曲线。ROC曲线的横坐标为假阳性率（False Posit...

为了能够使得组合特征避免出现参数过多，过拟合等问题，因此，我们需要找到有效的方法帮助我们进行特征的组合。以预测问题举例。输出特征有年龄，性别，购买物品类别，用户类型组合特征可以如下，满足下面的条件为1，不满足则为0，特征...