Stardustsky个人博客

Tag "python" 相关文章    总计1页,当前第1页

数据科学

TF-IDF、词袋模型与特征工程

0

如标题,TF-IDF与词集词袋模型都是数据预处理中常用的算法,这里介绍一下这两种算法的联合应用。一.词集与词袋模型这个算法的主要作用也就是对文本做单词切分,有点从一篇文章里提取关键词这种意思,旨在用向量来描述文本的主要内容。词集模型:单词构成的集合,集合中每个元素只有一个,即词集中的每个单词都只有一个。词袋模型:如果一个单词在文档中出现不止一次,就...

12个月前 (10-09) 阅读(845) 评论()

数据科学

K-means在Python中的实现

2

K-means算法简介K-means是机器学习中一个比较常用的算法,属于无监督学习算法,其常被用于数据的聚类,只需为它指定簇的数量即可自动将数据聚合到多类中,相同簇中的数据相似度较高,不同簇中数据相似度较低。K-menas的优缺点:优点:原理简单速度快对大数据集有比较好的伸缩性缺点:需要指定聚类数量K对异常值敏感对初始值敏感K...

1年前 (2017-08-25) 阅读(583) 评论()