自然语言文本分析实例：深度学习、分类和回归丨数析学院

课程简介：

本节提供了自然语言文本分析的实用方法，通过深度学习、分类、回归简单的组合，利用博客文章准确地预测博主的性别、年龄。具体来讲，就是利用 Gensim库中的Word2Vec深度学习模型创建文本特征，进而用 GraphLab Create中的机器学习工具进行分类和回归分析。

本节分为以下几个部分：

• 设置
• 准备数据集
• 训练Word2Vec模型
• 创建&评估分类器

每一部分都可以独立执行，所以可以按兴趣挑选并执行操作。

课程目标

• 了解 Word2Vec 并学会使用 Gensim 相关包训练 Word2Vec 模型
• 利用 Word2Vec 实现文本分类及相关回归预测分析

相关准备

所需要的Python包:

• BeautifulSoup - 用于解析原始博客文章。
• NLTK (包括下载stopwords and punkt ) - 用于文本预处理。
• Gensim - 用于 Word2Vec 深度学习。
• GraphLab Create - 用于分类、回归、数据工程和评估。

数析学院:http://datacademy.io/
我们致力于打造更加精要的课程,如果小伙伴们在工作和学习中遇到什么问题,可以给我们留言。