1. pipeline函数的使用 pipeline函数是transformers库内置的包含整个模型运行到给出结果的测试链条。可以规定出具体的任务，指定模型以及tokenizer。 Question answering pipeline, specifying the checkpoint identifier >>> oracle = pipeline( ... "question-answering", model="distilbert-base-cased-distilled-squad", tokenizer=&quo...

生成模型主要包括贝叶斯算法，马尔可夫链等。判别模型包括SVM，回归等常用算法。

对KNN算法的简单理解：首先需要准备好一些已经有标注的数据，这里需要注意数据的分类样本平衡问题。接着对需要进行分类预测的数据与1中每一个标注好的数据进行距离计算。这里需要注意数据的标准化与归一化处理，因为数据的规模不同，同时需要注意距离计算公式的选取，有欧式距离，曼哈顿距离（针对文本数据的处理）。根据人为设定的K值，选取距离最近的K个点，根据投票方法进行分类选取，这里K值不能过大，也不能过小。重复上述训练流程。适用场景：可以在分类问题，推荐系统上使用，原理简单，实现容易，计算量大。