我正在观看maxent分类器上的coursera NLP video。在视频中，克里斯托弗·曼宁根据他们挑选出一些课程的强度来分配lambdas。例如，曼宁说（~2：00）特征=＆＃34;前进的单词是，并且单词是大写的＃34; （例如在魁北克省）很可能选择一个班级位置，因此给出1.8的正重量 - 但这个特征=＆＃34;字有一个重点＆＃34;得到-.4的权重，因为在美式英语中，它更有可能选出名字而不是地方。 Manning然后说（~4：21）＆＃34;感知器算法＆＃34;和＃34;支持向量机＆＃34;有时用来挑选特征的权重 - 在他继续显示一个规范化特征权重的最大模型之前。然而，在他的最大例子中，曼宁仍然使用他刚刚在视频的第2分钟左右选出的lambdas。这些lambas来自哪里？ nlp从业者是否只是从领域知识中挑选出来（如Manning所做的那样），然后用它们思考，直到算法出现正确的值？有更系统的方法吗？我是否误解了本视频中发生的事情？
答案 0 :(得分：2)
该视频主要是关于如何制定最大模型。要查找lambda的实际值，可以根据训练数据向学习系统提出优化问题。后续视频section 8.6显示了如何解决该优化问题以找到正确的权重。