lda故障是什么意思?(LDA是什么意思)
LDA失败是什么意思?(LDA是什么意思)
编者指南:从事建模的人应熟悉非结构性建模,结构建模,传统制造模型,是现代数字施工要求。作者根据自己的经验分析这三个概念,我希望能为您提供帮助。
这一次,我想和你分享,我的经验和想法的形式,欢迎大家批评。
首先,非结构化
到目前为止,作者在建模方面的经验主要是电子商务评论 - 虚假电子商务评论检测。例如,当我们在线购物时,我们将参考我们自己的产品分数和评估,从别人那里购买,作为你不买的重量。因此,许多肆无忌惮的商人会有恶意的赞美,以提高他们的知名度和消费,并将引导消费者。
为了了解其操作模式,提交人曾经“卧底” - 给了一个服装代理人的赞誉,半月后,它发现它的营业额稳步上升。是一个错误的交易,是否虚假交易口的嘴巴嘴巴影响真正的消费,不再探索。因此,作者还认为虚假评论的测试具有一定的积极和道德意义。
在电子商务评论中,所获得的数据是文本数据,可以通过传统的机器学习方法(如主题模型)提取,然后获得进一步的建模。
同时,使用数值数据不能直接读取文本数据,有必要转换为数字格式。这里提到的一些方法可以绘制。 LDA主题模型可以获得每个单词的概率值。虽然它限制了特定的主题和特定文本,但它也可以用于在一定程度上向数字文本进行数字化。谷歌发布文本矢量化包word2vec(wordembeddings)可以矢量化文本,但是word2vec更响应单个单词包模型中的单词,在上下文链接中存在一些缺点,这导致另一个更强大的单词。矢量化工具伯特的外观。
对于文本数据,有一个非常有趣的“大”研究趋势,如微软和英国威达,最强大的语言模型 - 威振天穆(MT-NLP),其中包含530亿参数,几乎等于人数经。据声明,该模型用于预测,阅读理解,常识演示,自然语言推理和词语传播等自然治疗区域。
作者在模型的规模和性能方面是惊讶的,还要思考。人工智能模型本身具有一些难以解释的问题。当模型的比例扩展时,效果在一定程度上得到改善,你能解释一下吗?
二,结构化
许多报告说现在有许多男女。我怎么想?手机从发布到2021年,已成为我们新的妻子(丈夫),从工作到生,阴影,忠诚度。
4天的业务,说喝茶吃茶,生活还是老。有,我的手机从外面掉了出来,导致我的手机不被使用。在等待网上购物的那,我经历过焦虑,恐慌,我不知道。我真的没有我的妻子。有一些像我的作吗?我们可以推断,我的手机已成为我们生活的基本元素,并正常工作吗?
因此,以结构化数据建模作为示例进行分析。虽然它有效,但它正在工作,但考虑了行业从业者的标准化,这里和以下内容不会深入和细节。描述。在通信行业中,客户信息以固定形式存储在数据库中。通过使用传统的机器学习算法,如贝叶斯网络,决策树(高度解释),可以建模。 2018年左右,还可以应用深度学习技术,如LSTM,以提高模型的准确性,这有助于业务赋予流程。
然而,根据作者的行业经验,在使用LSTM建模的结构数据的过程中,尽管其精度与传统的机器学习方法相当,但少10%的准确性和预测成功率(商业测试),对于一些业务问题触摸决定或需要强势,LSTM无助,只能帮助传统的决策树,贝叶斯网络和经验造型模型。因此,如何构建解释,透明深度学习模型变得越来越重要,这也是当前研究领域的问题之一。
第三,制造业
对于诸葛亮,有一个名为“战略规划”的句子,赢得了数千英里之外。在现代,“混整数计划”也具有“战略规划”的作用。这里的操作操作简单地理解为操作,包括常见的线性规划,整数规划,混整数规划,蚁群算法,遗传算法等现代工厂和公司,他们的复杂业务系统一般需要建模混整数规划。
因此,对于传统制造业的建模,它与结构化数据建模和非结构化数据建模不同。在传统的制造业,资源有限,需要满足市场需求,从资源中重新出现的过程,从资源限制传统的机器学习和深度学习,以及一个国内发展仍然相对较弱,而是必要的纪律发挥了作用规划。
目前,作者主要将混整数计划联系到模型,分支划界,启发式搜索和其他算法。有多目标解决方案,NP-Hard,以及许多其他调整和问题。时间复杂性和空间复杂性是不可避免的山脊。现实中存在许多限制,基本数据很大,导致问题问题甚升到数十亿,导致在有限的时间内无法解决的情况。即使有一定的治疗,也会有问题,即解决时间太长,实际使用中有点太小。
混
积分规划建模,解释性,商业建模较高,如何通过算法在硬件固定的情况下提高时间和空间复杂性?因此,如何确保支持业务需求的基本要求,巧妙的设计模型框架也尤为重要。第四,回顾非结构也不错,结构也不错,运营和开发模式也是现代数字建设的要求,虽然业务不同,但该领域是不同的,但企业的所有目标都可以注册,导致这个目标。算法的道路很长,作者有限,欢迎您建议。
计算机学院硕士;预先公司数据挖掘工程师;预规划高级专员;深度中国两个少年,动画; “数据创建者联盟”会员。
本文发布于@单数码地表地原人人人人产品产品产品产品转载无权禁止。
基于CC0协议,标题是从未提出的。