详细内容或原文请订阅后点击阅览
机器学习“降临节日历”第 22 天：Excel 中的嵌入
通过简单模型和 Excel 了解文本嵌入机器学习“降临日历”第 22 天：Excel 中的嵌入一文首先出现在《迈向数据科学》上。
来源:走向数据科学这个系列，我们将讨论深度学习。
当人们谈论深度学习时，我们立即想到这些深度神经网络架构的图像，其中包含许多层、神经元和参数。
在实践中，深度学习带来的真正转变在其他地方。
这是关于学习数据表示的。
在本文中，我们重点关注文本嵌入，解释它们在机器学习领域的作用，并展示如何在 Excel 中理解和探索它们。
1. 经典机器收益与深度学习
我们将在这一部分讨论为什么引入嵌入。
1.1 深度学习适合什么地方？
要理解嵌入，我们首先需要明确深度学习的位置。
我们将使用术语“经典机器学习”来描述不依赖于深度架构的方法。
之前的所有文章都涉及经典的机器学习，可以用两种互补的方式进行描述。
学习范例
模型系列
在本系列中，我们已经研究了这些模型背后的学习算法。特别是，我们已经看到梯度下降适用于所有基于权重的模型，从线性回归到神经网络。
深度学习通常被简化为具有多层的神经网络。
但这个解释并不完整。
从优化的角度来看，深度学习并没有引入新的学习规则。
那么它介绍了什么？
1.2 深度学习作为数据表示学习
深度学习是关于如何创建特征的。
深度学习通常通过多次连续的转换来自动学习表示，而不是手动设计特征。
这也提出了一个重要的概念问题：
特征工程和模型学习的界限在哪里？
一些示例使这一点更清楚：
深度学习延续了这一想法，但规模更大。
输入列