数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

支持向量机的优缺点

支持向量机的优势在于:在高维空间中非常高效.即使在数据维度比样本数量大的情况下仍然有效.在决策函数（称为支持向量）中使用训练集的子集,因此它也是高效利用内存的.通用性: 不同的核函数核函数与特定的决策函数一一对应.常见的 kernel 已经提供,也可以指定定制的内核.支持向量机的缺点包括:如果特征数量比样本数量大得多,在选择核函数核函数时要避免过拟合,而且正则化项是非常

0.0000

0

5

0

关注作者

收藏

阿抽哥哥

windows10系统下打不开Rstudio问题

问题如图：打开Rstudio后直接报错解决方法：windows10系统如果打不开Rstudio并报这个错误的话，直接找到Rstudio.exe应用程序，并添加“以管理员身份运行”后即可正常打开Rstudio。

0.0000

0

2

0

关注作者

收藏

詹惠儿

朴素贝叶斯的性质

为了减少参数的数量，我们制作朴素贝叶斯条件独立假设。我们假设属性值在给定类的情况下彼此独立：我们这里引入了两个随机变量，使两个不同的生成模型显式化。Xk是k文档中位置的随机变量，并从词汇表中获取值。是在课程文件中该术语将发生在位的概率。是词汇术语的随机变量i，取值为0（缺席）和1（在场）。属于该类别的文档中的概率的术语将发生-在任何位置，并可能多次。中国类以一定的概率为

0.0000

0

3

0

关注作者

收藏

詹惠儿

怎么理解理论上的概率估计？

为了更好地理解这两个模型及其所做的假设，让我们回过头来看看我们如何在第11章第12章中推导出他们的分类规则。我们通过将文档分配给类来决定文档的类成员资格概率（参见概率），我们计算如下：利用这一点，以这种方式添加是一种简单的平滑形式。对于具有分类结果的试验（例如注意术语的存在或不存在），从数据估计事件概率的一种方法是简单地计算事件发生的次数除以试验总数。这被称为事件的相对频率。估

0.0000

0

2

0

关注作者

收藏

詹惠儿

连接到文本摘要来提高分类性能？

我们之前提到了文本摘要的领域，以及该领域的大多数工作如何采用了有限的目标，即根据考虑句子位置的句子的特征来提取和组合被认为是中心的原始文本片段。内容。大部分工作可用于建议可能对文本分类特别有用的区域。考虑一种特征选择形式，您只需根据某些单词对文档进行分类区域。根据文本摘要研究，他们考虑使用（i）仅标题，（ii）仅第一段，（iii）仅标题词或关键词最多的段落，（iv）前两段或第一段和最后一段段落，

0.0000

0

1

0

关注作者

收藏

詹惠儿

怎么提高文本分类器的性能？

1. 增加文档区域。在文本分类问题中，通过差异加权来自不同文档区域的贡献，您可以经常获得有效提升效率。通常，增加标题词是特别有效的。根据经验，在文本分类问题中将标题词的权重加倍通常是有效的。您还可以从文本中没有明确定义区域的文本中增加单词来获取价值，但是文档结构或内容中的证据表明它们很重要。建议您也可以通过增加（新闻专线）文档的第一句话来获得价值（在临时检索环境中）。2. 文档区域的单独功能

0.0000

0

3

0

关注作者

收藏

詹惠儿

怎么理解文本分类的文字功能？

即席检索和文本分类中的默认设置是使用术语作为功能。然而，对于文本分类，通过设计适合于特定问题的附加特征，可以实现大量的里程。与IR查询语言的情况不同，由于这些特征是分类器的内部特征，因此将这些特征传递给最终用户没有问题。这个过程通常被称为特色工程。目前，特征工程仍然是一种人工技术，而不是机器学习所做的事情。良好的特征工程通常可以显着提高文本分类器的性能。它在文本分类的一些最重要的应

0.0000

0

3

0

关注作者

收藏

詹惠儿

类别分类法有哪些？

如果文本分类问题由少量分离良好的类别组成，则许多分类算法可能运行良好。但是许多真正的分类问题包括大量通常非常相似的类别。读者可能会想到诸如网络目录（Yahoo!目录或开放目录项目），图书馆分类方案（Dewey Decimal或国会图书馆）或法律或医学应用中使用的分类方案等示例。例如，雅虎！目录由深层次结构中的200,000多个类别组成。对大量密切相关的类别进行准确分类本身就很困难。

0.0000

0

1

0

关注作者

收藏

詹惠儿

文本分类的半监督疑惑

在这里，理论上有趣的答案是尝试应用半监督训练方法。这包括bootstrapping等方法 EM算法。在这些方法中，系统获得一些带标签的文档，以及可以尝试学习的大量未标记文档。Naive Bayes的一大优势是它可以直接扩展为半监督学习算法，但对于SVM，还有半监督学习工作，其标题是转导SVM。通常，实际的答案是找出如何尽可能快地获得更多标记数据的方法。实现这一

0.0000

0

2

0

关注作者

收藏

詹惠儿

文本分类选择哪种分类器？

当遇到构建文本分类器的需要时，首先要问的问题是当前有多少训练数据可用？没有？很少？非常多？或者是巨额，每天都在增长？通常，在实际应用中部署机器学习分类器的最大实际挑战之一是创建或获取足够的训练数据。对于许多问题和算法，需要来自每个类的数百或数千个示例来生成高性能分类器，并且许多现实世界上下文涉及大量类别。我们最初会假设需要尽快分类; 如果有很多时间可用于实现，那么大部分时间可能用于组装数据资源。

0.0000

0

3

0

关注作者

收藏

詹惠儿

文本分类运用在哪？

一个类不必像常设查询多核计算机芯片那样集中精力。通常，课程是一个更普遍的学科领域，如中国或咖啡。这种更通用的类通常被称为然后调用主题和分类任务文字分类，文本分类，主题分类，或主题发现。常设查询和主题的特异性程度不同，但解决路由，过滤和文本分类的方法基本相同。因此，我们在本章和后续章节中包括文本分类标题下的路由和过滤。的概念分类非常通用，并且在信息检索（IR）内外具有许多应用。例如，在

0.0000

0

2

0

关注作者

收藏

詹惠儿

文本分类的检索问题

到目前为止，本书主要讨论了这一过程临时检索，用户通过向搜索引擎提出一个或多个查询来尝试解决的瞬态信息需求。但是，许多用户都有持续的信息需求。例如，您可能需要跟踪多核计算机芯片的发展。这样做的一种方法是每天早晨针对最近新闻专线文章的索引发出查询多核和计算机和芯片。在本章和以下两章中，我们将研究这个问题：如何重复这个重复性任务？为此，许多系统都支持常设查询。常设查询与任何其他查询类似，

0.0000

0

1

0

关注作者

收藏

詹惠儿

文本分类的检索问题

临时检索，用户通过向搜索引擎提出一个或多个查询来尝试解决的瞬态信息需求。但是，许多用户都有持续的信息需求。例如，您可能需要跟踪多核计算机芯片的发展。这样做的一种方法是每天早晨针对最近新闻专线文章的索引发出查询多核和计算机和芯片。在本章和以下两章中，我们将研究这个问题：如何重复这个重复性任务？为此，许多系统都支持常设查询。常设查询与任何其他查询类似，只是它会在一个集合上定期执行，

0.0000

0

2

0

关注作者

收藏

zxq997

你有没有过需要从两个列表中创建一个字典的想法呢？ zip() 内置函数接受许多可迭代对象并返回元组列表。每个元组根据对象的位置索引对其元素进行分组。你还可以通过调用 *zip() 来“解压缩”对象。

0.0000

0

1

0

关注作者

收藏

zxq997

YAML 代表的是“YAML Ain’t Markup Language”，它是一种数据格式化语言，是 JSON 的超集。与 JSON 不同，它可以存储更复杂的对象并引用自己的元素。你还可以编写注释，使其特别适合于编写配置文件。PyYAML 模块允许你在 Python 中使用 YAML。先安装 PyYAML：然后导入到你的项目中： PyYAML 允许你存储任何数据类型的 Pyt

0.0000

0

3

0

关注作者

收藏

zxq997

Wikipedia 有一个很棒的 API，它允许用户通过编程方式访问无与伦比的、完全免费的知识和信息。wikipedia 模块使访问这个 API 变得非常方便。与真实网站一样，该模块支持多种语言、页面消歧、随机页面检索，甚至还有 donate() 方法。

0.0000

0

2

0

关注作者

收藏

zxq997

Virtual environments

你有可能同时会处理多个 Python 项目。然而不幸的是，有时两个项目会依赖于相同依赖关系的不同版本。你在系统上都安装了哪些版本的依赖关系呢？幸运的是，Python 对虚拟环境的支持。可以让你充分这两个项目的优点。在命令行输入如下内容：

0.0000

0

0

0

关注作者

收藏

zxq997

通过 Python 标准库的 uuid 模块，可以快速简单地生成通用唯一 ID(或“uuid”)。 uuid 模块会创建一个随机的 128 位数字，几乎可以肯定是唯一的。实际上，可以生成超过 2¹²² 个可能 UUID，这一数字超过了5,000,000,000,000,000,000,000,000,000,000,000,000（数字 5 后面有 36 个数字 0）。在给定的集合中

0.0000

0

5

0

关注作者

收藏

zxq997

Python 是一种动态类型的语言。在定义变量、函数、类等时，不需要指定数据类型。这一特性让开发者能够快速开发项目。但是，很少有比简单的输入问题导致的运行时错误更烦人的事情了。从 Python 3.5 开始，你就可以选择在定义函数时提供 type hintsl 。你可以这样定义类型别名：虽然定义类型别名不是强制性的，但是类型注释可以让你的代码更容易理解。它们还允许你使用

0.0000

0

3

0

关注作者

收藏

zxq997

Python 是一种很棒的脚本语言，但有时候使用标准的操作系统和子进程库会让人有点头疼。sh 库提供了一个简洁的替代方法。sh 库允许你像普通函数一样调用任何程序，这点对于自动化工作流和任务非常有用，所有这些都来自 Python 内部。

0.0000

0

2

0

关注作者

收藏

<1…259260261…341>

CDA考试动态

CDA报考指南