| 共 14 篇文章 |
|
聚类分析（一）——什么是聚类分析将一群物理对象或者抽象对象的划分成相似的对象类的过程。5） 处理噪声数据的能力：所谓的噪声数据，可以理解为影响聚类结果的干扰数据，这些噪声数据的存在会造成聚类结果的畸变，最终导致低质量的聚类。因为同一个聚类算法，在不同的应用场景中所带来的聚类结果也是各异的，因此找到满足特定约束的具有良好... 阅1 转自墨香居BOOK 公众公开 15-12-07 10:57 |
在信息检索中常用的词条权值计算方法为 TF-IDF 函数，其中N为所有文档的数目，ni为含有词条ti的文档数目。根据TF-IDF公式，文档集中包含某一词条的文档越多，说明它区分文档类别属性的能力越低，其权值越小；根据文档之间的相似度，结合机器学习的一些算法如神经网络算法，K-近邻算法和贝叶斯分类算法等，可以将文档集分类划分为一些小的文档子... 阅104 转0 评0 公众公开 15-02-03 17:09 |
K Nearest Neighbor Algorithm Implementation and Overview.Sort the distances for all the training samples and determine the nearest neighbor based on the K-th minimum distance.Need to determine value of parameter K (number of nearest neighbors) Distance based learning is not clear which type of distance to use and whic... 阅29 转0 评0 公众公开 15-01-28 16:55 |
浅谈MMSEG分词算法。1. 组合长度最大 2. 组合中平均词语长度最大 3. 词语长度的变化率最小 4. 计算组合中所有单字词词频的自然对数，然后将得到的值相加，取总和最大的词组歧义规则介绍。规则2和规则3都无法确定谁胜出，只能走最后一个规则 第一条中的务和第二条中的和，从直观看，显然是和的词频在日常场景下要高，这依赖一个词频字典 和的词... 阅133 转0 评0 公众公开 15-01-18 15:51 |
该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。待分样本集中的大部分样本不是支持向量，移去或者减少这些样本对分类结果没有影响，SVM法对小样本情况下的自动分类有着较好的分类结果。当需要对一篇待分样本进行分类的时候，只需要计算待分样本和每一个类别向量的相似度即内积，然后选取相似度最大的类别作... 阅111 转0 评0 公众公开 14-12-04 21:20 |
特征选择方法1、为什么要做特征选择 在有限的样本数目下，用大量的特征来设计分类器计算开销太大而且分类性能差。3、特征选取的原则获取尽可能小的特征子集，不显著降低分类精度、不影响类分布以及特征子集应具有稳定适应性强等特点4、特征选择需要考虑的问题a、确定选择算法，在允许的时间内以最小的代价找出最小的、最能描述类别的特征组合，... 阅137 转0 评0 公众公开 14-11-13 12:18 |
互信息互信息 定义。两个事件X和Y的互信息定义为：I(X,Y) = H(X) + H(Y) - H(X,Y)其中 H(X,Y) 是联合熵(Joint Entropy)，其定义为：互信息与多元对数似然比检验以及皮尔森χ2校验有着密切的联系。信息的含义。信息是物质、能量、信息及其属性的标示。互信息的含义。信宿收到y后推测信源发出x的概率，这一过程可由后验概率p(x/y)来描述。 阅432 转0 评0 公众公开 14-11-11 14:25 |
(2) 关于什么是知识，尤其是关于什么是计算机可处理的知识，他提出：知识是一个系统，是一个包含着各种概念与概念之间的关系，以及概念的属性与属性之间的关系的系统。知网对概念的描述是要着力体现概念与概念和概念的属性与属性之间的相互关系，因此，知网对于概念的描述必然是复杂的。(1) "属性值"是所有属于属性值概念的唯一的主... 阅1 转自Amethyst 公众公开 14-10-30 15:48 |
阅49 转0 评0 公众公开 14-10-21 16:37 |
