Lendo um recurso e verificando a leitura
Por que isso importa Uma característica ganha um nome a partir de seus principais exemplos. Esse nome é uma hipótese, e a maioria dos rótulos de características publicados nunca é testada contra textos que o rotulador não viu.
Carregue o sparse autoencoder gravado do curso (256 features, l1 0.3, treinado por 2,000 steps de 512 vectors, mais longo do que uma lição permite, e as mesmas features em cada máquina) e escolha, para algumas strings, a feature mais específica para posições onde o texto termina com aquela string. Depois rotule e teste o label em um texto reservado:
- precision: dos lugares retidos onde a característica dispara fortemente (acima da metade do seu maior valor de treinamento), a parte onde o texto realmente termina com a string;
- recall: dos lugares retidos que terminam com a string, a parte onde ele dispara.
interp.top_contexts(sae, A, X, model, k) mostra onde a característica k dispara com mais força, como o texto até aquele caractere.
Preveja primeiro: a característica para "tra" dispara com mais força em " before tra" e " layers tra" (o início de "train"). Um rótulo "tra" estará correto na maioria das vezes em um texto novo?
Palavras e símbolos nesta lição
- sparse autoencoder
- uma camada larga treinada para reconstruir vetores a partir de algumas características ativas por vez
- precisão, revocação (de um rótulo)
- dos lugares onde uma característica dispara, a parte que o rótulo se encaixa; dos lugares onde o rótulo se encaixa, a parte que ela dispara
Defina my_guess como "yes" ou "no". Escreva check(k, s) retornando (precision, recall) nos vetores reservados, onde a feature dispara em um lugar quando seu valor lá está acima da metade de seu maior valor nos vetores de treinamento (F[:, k].max()). Preencha results[s] = check(feature_for(s), s) para " the", "ing" e "tra". Defina honest_label para as strings cujo rótulo se mantém (precision pelo menos 0.7) e really para o final de três letras que a feature "tra" dispara mais no texto reservado.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.