这是要让她干活？

好的。

有事做总比尴尬站着要好。

唐念麻利地走到电脑后，登上自己的邮箱，最新一条未读邮件来自[email protected]

任务是要她给一堆中医药材分类。

唐念根据提示登进服务器，数据是从74万篇中医古籍中采集出来的6.5万种药材，里面有很多别名、错名、重复等干扰项，需要先删除重复、冗余或噪声数据，再人工标注并对数据进行归类。

唐念以前做过机器学习方面的比赛，懂得归类问题的基本步骤，一般先是建立词汇表，获取每个词的embedding，然后使用CNN进行特征提取，最后挑选算法做二分类。

唐念凭借多年工作形成的肌肉记忆，搭建了个算法框架，把6.5万条数据灌进去，结果出来后拿着对照组验证准确度。

陈知礼从办公桌前走出，走到她身后，只扫一眼得出结论：“过拟合了，重测。”

“……”

唐念只好删掉记录，又重新跑了一遍，陈知礼看一眼，仍不满意：“我说的重测是让你换一种算法，不是让你拿着3000万美金的GPU在这磨时间，消耗性能，OK？”

“……”

那你一开始说清楚啊！

“还有，你样本选的有问题，SMOTE得到的增强样本有误差，可能已经偏离了原来的语义，大概是文本embedding后距离向量处于高维空间，需要映射到低维再处理。”

唐念没听懂，一脸茫然地看着他。

“看我干什么，数据增强不会做就去查资料，瞪着一双大眼只会喘气吗？”