机器学习中的分类模型通过常见的性能度量来评估其性能。 此函数计算以下性能度量：准确度、灵敏度、特异性、精确度、召回率、F 度量和 G 均值。 函数的签名和参数的描述如下：
EVAL = 评估（实际，预测） 输入： ACTUAL =带有培训示例的实际班级标签的列矩阵PREDICTED = 分类模型预测类标签的列矩阵输出： EVAL = 包含所有性能指标的行矩阵
2022-04-26 23:08:20
1KB
1
文本分类模型
在Pytorch中实现最新的文本分类模型
实施模型
fastText：fastText模型，
TextCNN：提出的用于文本分类的CNN
TextRNN：用于文本分类的双向LSTM网络
RCNN：在提出的的RCNN模型的实现
CharCNN： 提出的字符级CNN的实现
带有注意力的Seq2seq ：，从注意实现seq2seq模型
变压器：提出的变压器模型的实现
要求
Python-3.5.0
熊猫0.23.4
Numpy-1.15.2
Spacy-2.0.13
Pytorch-0.4.1.post2
火炬文字-0.3.1
用法
将数据下载到“ data /”目录中或使
2022-03-28 10:27:15
12.48MB
1