摘要：写在前面 ​ 该系列主要事对指针网络在NER以及关系抽取系列取得的成果进行展示，并根据大佬们的笔记总结其中的优劣以及理论分析。 GlobalPointer ​ 在之前的工作中，我们NER采用传统的LSTM+CRF，在各个字段指标也取得不错的效果，简单字段类似学历这种f1值均在95以上，复杂一点的比如 摘要：模型类型 参数模型 统计学中，参数模型通常假设总体服从某一个分布，该分布由一些参数确定(正太分布由均值和方差确定)，在此基础上构造的模型称为参数模型 包括 逻辑回归 线性成分分析 感知机 优点 间洁：理论容易理解和解释结果 快速：参数模型学习和训练的速度都很快 数据更少：通常不需要大量的数据，在对数 摘要：写在前面：本文主要对svm进行理论阐述及实战（python），理论部分参考《模式识别与机器学习》-马春鹏 支持向量机 解决的问题 1、分类问题 2、回归问题 3、异常点检测问题 最大边缘分类器 边缘：决策边界于最近的数据点之间的垂直距离 最大化边缘会产生对决策边界的一个特定的选择。 线性模型的形式为 摘要：写在前面：机器学习主要分为监督学习、无监督学习和强化学习。本节内容主要针对监督学习下的线性回归进行简要说明及实现。机器学习开篇模型就是线性回归，简言之就是用一条直线较为准确的描述数据之间的关系，当出现新的数据的时候的时候，给出一个简单的预测值。 一、回归问题 回归问题是监督学习的一个重要问题，回归用 摘要：#SVM的使用 （结合具体代码说明，代码参考邹博老师的代码） 1、使用numpy中的loadtxt读入数据文件 data：鸢尾花数据 5.1,3.5,1.4,0.2,Iris-setosa 4.9,3.0,1.4,0.2,Iris-setosa 4.7,3.2,1.3,0.2,Iris-setosa