她的首页
她的馆藏
她的动态
馆友反馈
关于她
| 共 16 篇文章 |
|
其关键方法是分类和回归，算法是逻辑回归(Logistic Regression)和BP神经网络(Back Propagation Neural Network) Unsupervised Learning无监督学习: 没有任何训练数据，基于没有标记的输入数据采取推导结构的模型，其关键方式是关联规则学习和聚合，算法有Apriori 算法和k-means. Semi-Supervised Learning半监督式学习: 输入数据是标记和非标... 阅357 转5 评0 公众公开 16-10-28 15:13 |
机器学习方法(八)：随机采样方法整理（MCMC、Gibbs Sampling等）8、MCMC——Gibbs Sampling算法 1、蒙特卡洛数值积分。同样的，在以上算法中，坐标轴轮换采样不是必须的，可以在坐标轴轮换中引入随机性，这时候转移矩阵 Q 中任何两个点的转移概率中就会包含坐标轴选择的概率，而在通常的 Gibbs Sampling 算法中，坐标轴轮换是一个确定性的过程... 阅532 转2 评0 公众公开 16-10-14 17:58 |
最简单、最直观的方法是bag-of-words（BOW），即将文本拆解为单词，以单词作为矢量空间的维度，以每个单词在文本中出现的频率作为文本矢量对应维度的值。与CBOW类似，PV-DM仍以最大化目标单词输出概率为目标，使用随机梯度下降方法达到收敛。在第二步中，单词矢量和其他参数保持不变，仍然使用梯度下降方法，采用随机抽样，使得所有语境（所有... 阅207 转2 评0 公众公开 16-10-14 15:51 |
主成分分析（PCA）和奇异值分解（SVD）特征抽取的目标是根据原始的d个特征的组合形成k个新的特征，即将数据从d维空间映射到k维空间。计算Σ的特征向量和特征值(特征向量用列向量v_d×1表示)；保留最上面的k个特征向量（这k个特征向量保证了数据映射到特征值最大的特征向量的方向时，数据间的累积方差最大，数据映射到第二大的特征向量时，... 阅394 转1 评0 公众公开 16-10-14 15:51 |
随机采样方法整理与讲解（MCMC、Gibbs Sampling等）8、MCMC——Gibbs Sampling算法 1、蒙特卡洛数值积分。8、MCMC——Gibbs Sampling算法。同样的，在以上算法中，坐标轴轮换采样不是必须的，可以在坐标轴轮换中引入随机性，这时候转移矩阵 Q 中任何两个点的转移概率中就会包含坐标轴选择的概率，而在通常的 Gibbs Sampling 算法中，坐标轴轮换... 阅510 转1 评0 公众公开 16-08-15 16:45 |
文本相似度算法。这个模型假设词与词间不相关（这个前提造成这个模型无法进行语义相关的判断，向量空间模型的缺点在于关键词之间的线性无关的假说前提），用向量来表示文本，从而简化了文本中的关键词之间的复杂关系，文档用十分简单的向量表示，使得模型具备了可计算性。在该模型中，文本内容被形式化为多维空间中的一个点，通过向量的形式给... 阅545 转2 评0 公众公开 16-01-13 13:00 |
中文相似度匹配算法基于音形码的中文字符串相似度算法转自：http://mabusyao.iteye.com/blog/2267661背景介绍。常见的字符串相似度算法包括编辑距离算法（EditDistance），n-gram算法，JaroWinkler算法以及Soundex算法。最常见的相似度算法为编辑距离算法（EditDistance），该算法将两个字符串的相似度问题，归结为将其中一个字符串转化成另一... 阅10333 转31 评0 公众公开 16-01-13 12:54 |
Windows下使用Word2vec继续词向量训练，word2vec向量。word2vec是Google在2013年提出的一款开源工具，其是一个Deep Learning(深度学习)模型（实际上该模型层次较浅，严格上还不能算是深层模型，如果word2vec上层再套一层与具体应用相关的输出层，如Softmax，便更像是一个深层模型），它将词表征成实数值向量，采用CBOW（Continuous Bag-Of-Word... 阅2369 转12 评0 公众公开 15-07-02 19:25 |
大数据时代的非结构化数据分析----文本分析注：本文整理自《如何用新媒体进行业务数据分析》，百度NLP微信账号“文智”。2.处理复杂文本：非结构化和半结构化的文本源，如XML文件、Excel电子表格或博客文章。3.文档主题生成模型（Latent Dirichlet Allocation, LDA）：主要用于监测客户行为变化，它可以发现数据的相似性以便进行分类和分组。任... 阅5770 转59 评0 公众公开 15-03-18 23:23 |
清单 5. 基于拙劣的 NLTK断词工具进行词干提取>>> from nltk.tokenizer import *>>> article = Token(TEXT=open(''cp-b17.txt'').read())>>> WSTokenizer().tokenize(article)>>> from nltk.probability import *>>> from nltk.stemmer.porter import *>>> stemmer = P... 阅67 转0 评0 公众公开 14-08-29 12:34 |
