NLP实践者如何为maxent分类器中的特征分配lamba？
我正在看maxent分级赛。在视频中，克里斯托弗·曼宁（Christopher Manning）根据特征选择某个类别的强度为其指定lambdas。例如，曼宁说（~2:00）feature=“proceduring word is in and word is capitalized”（例如在魁北克省）很可能会选择一个班级所在地，因此被赋予1.8的正权重——但是feature=“word has a accent”的权重为-.4，因为在美式英语中，它更可能选择名字而不是地点。曼宁接着说（~4:21），“感知器算法”和“支持向量机”有时被用来挑选特征的权重——在他继续展示规范化特征权重的maxent模型之前。然而，在他的maxent示例中，Manning仍然使用他刚刚在视频第2分钟左右挑选的Lambda。这些羔羊来自哪里？nlp实践者是否只是从领域知识中挑选它们（就像曼宁那样），然后与它们一起思考，直到算法得出正确的值？有没有更系统的方法？我是否误解了这段视频中发生的事情？这段视频主要是关于如何建立maxent模型的。要找到lambda的实际值，您需要根据训练数据向学习系统提出一个优化问题。接下来的视频将演示如何解决该优化问题以找到正确的权重NLP实践者如何为maxent分类器中的特征分配lamba？,nlp,Nlp,我正在看maxent分级赛。在视频中，克里斯托弗·曼宁（Christopher Manning）根据特征选择某个类别的强度为其指定lambdas。例如，曼宁说（~2:00）feature=“proceduring word is in and word is capitalized”（例如在魁北克省）很可能会选择一个班级所在地，因此被赋予1.8的正权重——但是feature=“word has a accent”的权重为-.4，因为在美式英语中，它更可能选择名字而不是地点。曼宁接着说（~4:21