序列标注模型 每个字输出一个1*k的向量 k代表标签的个数。 而一个句子产生了n*k个 当是文本分类的时候是产生了1*k个向量 k代表标签的个数 这里序列标注是如何用交叉熵的？难道是把交叉熵损失函数加和？？
目录 1. 前言2. 训练集、验证集、测试集的作用3. 一些杂碎的东西① 过拟合② 验证集和测试集的区别③ 三者划分比例④ 训练样本与 验证样本、测试样本分布不匹配的问题⑤ 关于测试集 4.参考来源 1. 前言 本篇是看完吴恩达老师DL的课，写来当笔记看的，若有错误与疑虑，请指正
人工智能本质上是一门研究如何用机器代替人类的学科，工程师们尝试用各种算法模型来赋予机器像人类一样的思考与联想能力。 在当下所属的弱人工智能时代，实现人工智能的方式主要以有监督的深度学习方法为主，是基于已知变量和因变量推导函数关系的算法模型。 而作为深度学习的重要基础
支持向量机SVM模型中C和gamma参数分别是什么？对模型有什么影响？ SVM模型有两个非常重要的参数C与gamma。 C的本质是正则化系数。 C值是惩罚系数或者叫惩罚因子，表征的是模型对于误差的容忍度。 C值越高，表征模型越不能接受出现误差，但是容易过拟合。 C值越小，模型对于误差比较宽容
