2回答
我使用的是python，我想要获得大量数据的TFIDF表示，我使用以下代码将文档转换为TFIDF格式。from sklearn.feature_extraction.text import TfidfVectorizer min_df= tfidf_vectorizer.fit_transform(df['text'])
这里我传递了一个参数max_features。矢量器将选择最佳特征并
浏览 9提问于2017-03-01得票数 18
回答已采纳
3回答
我需要从每一行提取顶部关键字使用TFIDF。我试着编写以下代码Y = df['Text'].apply(lambdax: tfidf.fit_transform(x))
我得到下面的错误Iterable对原始文本文档的预期，字符串对象收到。
浏览 1提问于2020-04-20得票数 0
我已经在我的数据集的‘广告主题线’专栏上申请了TF*国防军。对于每个广告主题行，我得到相同的输出：首先，我无法理解输出。右边提到TF*国防军值，但括号中的数字究竟是多少？
我打算用这些作为我的logistic回归模型进行分类。如何将这些值准确地输入到算法中？
浏览 0提问于2019-03-23得票数 1
我正在尝试理解以下代码
X = vectorizer.fit_transform(
浏览 0提问于2017-12-20得票数 6
, n_features_to_select=500, step=1)
('features', FeatureUnion([ ('clf', LinearSVC1),y_pred = pipeline.predict(X_dev)
如何获取RFE所选功能的功能名称</em
浏览 3提问于2016-04-15得票数 16
回答已采纳
我发现很难理解如何修复我创建的管道(阅读:主要是从教程中粘贴)。它是python 3.4.2：df = DataFrame.from_records(train)
pipeline.fit(numpy.asarray(df[0]), numpy.asarray(df[
浏览 13提问于2015-02-07得票数 49
回答已采纳
现在出现了针对每个类别获取最频繁的单词的要求。简而言之，我必须从学习的模型中提取特征。通过研究，我只了解了如何在学习时提取文本特征。但是一旦学会了，我只有模型文件(.pkl)，是否可以加载分类器并从中提取特征？
是否有可能获得针对每个类别或类别的最频繁的术语？
浏览 1提问于2015-03-09得票数 4
2回答
聚类中的K均聚类顶项
、、、
对于集群文档，我使用python聚类算法。我创建了一个术语文档矩阵 from sklearn.cluster import KMeans stop_words='english')
X = vectorizer.fit_transf
浏览 2提问于2017-11-23得票数 4
回答已采纳
我的整个代码如下所示：mini_kmeans_batchdef count_tfidf_vectorizer(self,contents): vectorizer = make_pipeline
浏览 9提问于2017-06-21得票数 2
回答已采纳
提取顶级特征的quanteda方法是什么，即文档的最大tf-IDF值？我确实希望在计算tf-idf时将整个语料库作为参考。
浏览 26提问于2019-12-03得票数 0
回答已采纳
1回答
我正在使用Logistic回归来执行特征选择(在包含1,930,388行和88个特性的数据集上)。如果我对保留的数据进行模型测试，准确率仅在60%以上.响应变量分布均匀。或者我应该试着提高模型的精度，尽管我的最终目标不是提高精度，而是只获得重要的特征。
浏览 1提问于2015-10-26得票数 1
1回答
我有一组BOW features，我也知道要使用的最好的n_clusters。我需要帮助来绘制每个集群的WordCloud，以便我们可以一次性分析每个集群中的单词。 请参考任何一组弓功能，并采取任何n_cluster，我会把它与我的问题。 请考虑以下功能： ['aa', 'aahhhs', 'aback', 'abandon', 'abates', 'abbott', 'abby', 'abdominal', 'abiding', 'abil
浏览 18提问于2019-05-09得票数 1
1回答
我有一个有400,000多个独特单词的语料库。我想为这个语料库建立一个TF-国防军矩阵。我曾尝试在我的笔记本电脑(16 so )和Google上这样做，但由于内存限制，我无法做到这一点。做这件事最好的方法是什么？
浏览 0提问于2021-09-21得票数 1
我使用TF-IDF向量器将文本注释转换为向量特征，然后运行K-means聚类将我的数据分成多个簇。我有一组清晰的簇。然而，我一直在努力寻找一种方法来找出哪些单词进入了哪些聚类。我知道如何获取特征标签/名称，但我希望看到每个特征下的实际数据点，然后将它们转换回原始单词。我使用的是Python和Scikit-Learn的K-means算法。
浏览 7提问于2020-08-23得票数 0
在项目列表(来自数据库)中，用户可以根据以下几个标准选择项目:通过参考号、名称、制造商名称……
如果用户按参考号选择，将显示带有来自listOfItems的参考号列表的输入列表，如果他按名称选择，将显示带有来自listOfItems的名称列表的输入列表，等等。例如，当用户在datalist中按名称选择一项并进行验证时，我希望在另一个组件中发送并显示它及其特征。因此，要知道选择了哪一项并访问其所有特征，我需要在datalist中获取所选
浏览 146提问于2018-07-31得票数 0
feat_loc_vectorizer.fit(venue_feature_start)orig_ven_feat = orig_tfidf.fit_transform(feat_loc_orig_mat.tocsr())
importances = clf.feature_im
浏览 4提问于2015-05-20得票数 5
回答已采纳
5回答
我有一个数据库，里面有我提取的大约200份文件。我希望在我的数据库中找到与查询文档最相似的文档。换句话说，我想在数据库中找到与查询文档共享最多数量的文档。现在，我可以逐一比较一下，但是如果N很大的话，这需要O(N)时间，而且很昂贵。我想知道在进行有效的相似搜索时是否有任何有效的数据结构或方法。谢谢
浏览 0提问于2015-11-17得票数 8
我现在需要一个简单的词包特征，所以我尝试使用TfidfVectorizer/HashingVectorizer/CountVectorizer来获得特征向量。但是，一次处理整个列车数据以获得特征向量会导致numpy/scipy中的内存错误(取决于我使用的向量器)。当从原始文本中提取文本特性时:如果我将数据以块的形式匹配到向量器中，这是否与一次性拟合整个数据相同？
浏览 2提问于2015-08-03得票数 9
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
