E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
LDA线性判别分析
用scikit-learn学习
LDA
主题模型
在
LDA
模型原理篇我们总结了
LDA
主题模型的原理，这里我们就从应用的角度来使用scikit-learn来学习
LDA
主题模型。
weixin_34414196
·
2020-08-16 09:22
自然语言处理--
LDA
主题聚类模型
LDA
模型算法简介：算法的输入是一个文档的集合D={d1,d2,d3,...,dn}，同时还需要聚类的类别数量m；然后会算法会将每一篇文档di在所有Topic上的一个概率值p；这样每篇文档都会得到一个概率的集合
weixin_34256074
·
2020-08-16 09:36
LDA
主题聚类学习小结
LDA
模型算法简介：算法的输入是一个文档的集合D={d1,d2,d3,...,dn}，同时还需要聚类的类别数量m；然后会算法会将每一篇文档di在所有Topic上的一个概率值p；这样每篇文档都会得到一个概率的集合
weixin_34128534
·
2020-08-16 09:23
人工智能
python
主题模型(
LDA
)案例：分析人民网留言板数据
随着网民规模的不断扩大，互联网不仅是传统媒体和生活方式的补充，也是民意凸显的地带。领导干部参与网络问政的制度化正在成为一种发展趋势，这种趋势与互联网发展的时代需求是分不开的。▼人民网《地方领导留言板》是备受百姓瞩目的民生栏目,也是人民网品牌栏目,被称为“社情民意的集散地、亲民爱民的回音壁”。基于以上背景，tecdat研究人员对北京留言板里面的留言数据进行分析，探索网民们在呼吁什么。1数量与情感朝阳
weixin_34092455
·
2020-08-16 09:19
机器学习——降维（主成分分析PCA、
线性判别分析
LDA
、奇异值分解SVD、局部线性嵌入LLE）...
机器学习——降维（主成分分析PCA、
线性判别分析
LDA
、奇异值分解SVD、局部线性嵌入LLE）以下资料并非本人原创，因为觉得石头写的好，所以才转发备忘(主成分分析（PCA）原理总结)[https://mp.weixin.qq.com
weixin_34049948
·
2020-08-16 09:16
用WordCloud词云+
LDA
主题模型，带你读一读《芳华》(python实现)
电影《芳华》在春节重映了一波，加上之前的热映，最终取得了14亿票房的好成绩。严歌苓的原著也因此被更多的人细细品读。用文本分析的一些技术肢解小说向来是自然语言处理领域的一大噱头，这次当然也不能放过，本篇达成的成就有：1、提取两大主角刘峰和何小嫚（萍）的关键词并绘制好看的人物词云；2、以章节为单位探索小说的主题分布并画图展示。主要功能包：jiebaldawordcloudseaborn安装命令：pip
weixin_34032621
·
2020-08-16 09:44
SparkML机器学习之聚类（K-Means、GMM、
LDA
）
聚类的概念聚类就是对大量未知标注（无监督）的数据集，按照数据之间的相似度，将N个对象的数据集划分为K个划分（K个簇），使类别内的数据相似度较大，而类别间的数据相似较小。比如用户画像就是一种很常见的聚类算法的应用场景，基于用户行为特征或者元数据将用户分成不同的类。常见聚类以及原理K-means算法也被称为k-均值，是一种最广泛使用的聚类算法，也是其他聚类算法的基础。来看下它的原理：既然要划分为k个簇
weixin_33973609
·
2020-08-16 09:41
数据降维——主成分分析、因子分析、
线性判别分析
数据降维就是降低数据的维度，有两种方式：1、一种是特征选择：直接选取原有维度的一部分参与后续的计算和建模过程，用选择的维度替代所有维度，整个过程不产生新的维度。方法：（1）经验法：根据业务经验选择（2）测算法：通过不断测试多种维度选择参与计算，通过结果来反复验证和调整并最终找到最佳特征方案（3）统计分析方法：通过相关性分析不同维度间的线性相关性，在相关性高的维度中进行人工去除或筛选；通过计算不同维
weixin_33989058
·
2020-08-16 09:11
Python之
LDA
主题模型算法应用
在这篇文章中，我将介绍用于LatentDirichletAllocation（
LDA
）的ldaPython包的安装和基本用法。我不会在这篇文章中介绍该方法的理论基础。
weixin_33939380
·
2020-08-16 09:09
python主题
LDA
建模和t-SNE可视化
使用潜在Dirichlet分配（
LDA
）和t-SNE中的可视化进行主题建模。本文中的代码片段仅供您在阅读时更好地理解。有关完整的工作代码，请参阅此回购。
weixin_33923148
·
2020-08-16 09:37
线性判别分析
LDA
详解
1LinearDiscriminantAnalysis相较于FLD（FisherLinearDecriminant），
LDA
假设:1.样本数据服从正态分布，2.各类得协方差相等。
weixin_33836223
·
2020-08-16 09:01
LDA
与QDA
作者：桂。时间：2017-05-2306:37:31链接：http://www.cnblogs.com/xingshansi/p/6892317.html前言仍然是python库函数scikit-learn的学习笔记，内容Regression-1.2LinearandQuadraticDiscriminantAnalysis部分，主要包括：1）线性分类判别(Lineardiscriminantan
weixin_33749242
·
2020-08-16 09:21
LDA
模型学习之（三）走过的弯路
为了把
LDA
算法用于文本聚类，我真的是绞尽脑汁。除了去看让我头大的概率论、随机过程、高数这些基础的数学知识，还到网上找已经实现的源代码。
weixin_33736832
·
2020-08-16 09:49
LDA
与最小二乘法的关系及其变种详解
1
LDA
与最小二乘法的关联对于二值分类问题，令人惊奇的是最小二乘法和
LDA
分析是一致的。回顾之前的线性回归，给定N个d维特征的训练样例（i从1到N），每个对应一个类标签。
weixin_33711647
·
2020-08-16 09:16
EM算法--应用到三个模型： 高斯混合模型 ，混合朴素贝叶斯模型，因子分析模型...
（特别鸣谢~）：由“判别模型、生成模型与朴素贝叶斯方法”一节得知：判别模型求的是条件概率p(y|x)，生成模型求的是联合概率p(x,y).即=p(x|y)∗p(y)常见的判别模型有线性回归、对数回归、
线性判别分析
weixin_30900589
·
2020-08-16 09:11
基于SIFT+Kmeans+
LDA
的图片分类器的实现
PS:很久没做CV的事情了，这是很早以前刚入门时候的一篇，以后再有CV相关工作会发布在新的个人站点：http://my.phirobot.com/blog/category/cv.htmlCV分类下。posted@2012-04-2420:36from[FreedomShe]题记：2012年4月1日回到家，南大计算机研究僧复试以后，等待着的就是独坐家中无聊的潇洒。不知哪日，无意中和未来的同学潘潘聊
weixin_30823833
·
2020-08-16 09:36
机器学习：线性判别式分析(
LDA
)
1.概述线性判别式分析（LinearDiscriminantAnalysis），简称为
LDA
。
weixin_30807779
·
2020-08-16 09:35
LDA
主题模型
标题##
LDA
算法忽略复杂数学推导的描述先看一个博主关于
LDA
形象化的描述：http://blog.csdn.net/huagong_adu/article/details/7937616（一）
LDA
作用传统判断两个文档相似性的方法是通过查看两个文档共同出现的单词的多少
weixin_30764883
·
2020-08-16 09:32
如何确定
LDA
的主题个数
本文参考自：https://www.zhihu.com/question/32286630
LDA
中topic个数的确定是一个困难的问题。
weixin_30696427
·
2020-08-16 09:29
NLP传统基础（2）---
LDA
主题模型---学习文档主题的概率分布（文本分类/聚类）...
一、简介https://cloud.tencent.com/developer/article/10587771、
LDA
是一种主题模型作用：可以将每篇文档的主题以概率分布的形式给出【给定一篇文档，推测其主题分布
weixin_30632089
·
2020-08-16 09:54
LDA
主题模型原理解析与python实现
文章转自：wind_blastLDA(Latentdirichletallocation)[1]是有Blei于2003年提出的三层贝叶斯主题模型，通过无监督的学习方法发现文本中隐含的主题信息，目的是要以无指导学习的方法从文本中发现隐含的语义维度-即“Topic”或者“Concept”。隐性语义分析的实质是要利用文本中词项(term)的共现特征来发现文本的Topic结构，这种方法不需要任何关于文本的
weixin_30254435
·
2020-08-16 08:32
线性判别分析
（Linear Discriminant Analyst）
线性判别分析
LDA
为了最优分类，我们要计算后验概率P(G|X)。
godspeedkaka
·
2020-08-16 08:24
机器学习
主题模型
LDA
理解与应用
本文主要用于理解主题模型
LDA
（LatentDirichletAllocation）其背后的数学原理及其推导过程。
ljtyxl
·
2020-08-16 08:46
数据挖据
NLP
机器学习
线性判别分析
（linear discriminant analysis）
一、基本原理1.模型形式
LDA
模型主要用于分类数据的降维，往往每个样本会有很多属性以及一个所属类别，假设有d个属性，那么样本空间就是d维的，通过
LDA
模型可以将d维数据投影到某个超平面，从而降低维度。
踏雪无痕js
·
2020-08-16 08:40
学习记录
【机器学习】降维方法(二)----
线性判别分析
(
LDA
)
判别分析首先了解了一下判别分析。判别分析(DiscriminantAnalysis)是多元统计中用于判别样本所属类型的一种方法。通过训练已知分类类别的样本集来建立判别准则，然后用于判别新的预测样本的类别。常用的判别分析方法有：1.最大似然法：其基本思想为，通过训练样本集求出各种组合情况下该样本被分为任何一类的概率，确定参数。对于新样本的类别判别，只需要计算它被分到每一类中去的条件概率（似然值），选
htshinichi
·
2020-08-16 08:06
学习笔记
用
LDA
处理文本(Python)
一、
LDA
介绍
LDA
（LatentDirichletAllocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。
JepsonWong
·
2020-08-16 08:35
机器学习
LDA
Python
主题模型
机器学习
基于Fisher
线性判别分析
的手写数字识别
基于Fisher
线性判别分析
的手写数字识别Fisher算法简介：为简单起见，我们以两类问题1和2的分类来说明Fisher判别法的原理，看下面的图，为识别w1类和w2类，通过选择适当的投影方向可以比较好的分开这两类
日事日毕_日清日高
·
2020-08-16 08:10
模式识别
文本分类之降维技术之特征抽取之
LDA
线性判别分析
背景：为什么需要特征抽取？基于的向量空间模型有个缺点，即向量空间中的每个关键词唯一地代表一个概念或语义单词，也就是说它不能处理同义词和多义词，然而实际情况是：一个词往往有多个不同的含义，多个不同的词可以代表一个概念。在这种情况下，基于的向量空间模型不能很好的解决这种问题。特征抽取方法则可以看作从测量空间到特征空间的一种映射或变换,一般是通过构造一个特征评分函数,把测量空间的数据投影到特征空间,得到
红豆和绿豆
·
2020-08-16 08:55
文本挖掘
数据挖掘
数学
Spark ML（5）：聚类算法（Kmeans和
LDA
）
一、环境配置1.spark2.1.0-cdh5.7.0（自编译）2.cdh5.7.03.scala2.11.84.centos6.4二、环境准备参考https://blog.csdn.net/u010886217/article/details/90312617三、代码实现1.测试数据集iris样例5.1,3.5,1.4,0.2,Iris-setosa4.9,3.0,1.4,0.2,Iris-se
RayBreslin
·
2020-08-16 08:35
Spark
ML
文本主题模型之
LDA
什么是话题模型（topicmodel）？话题模型就是用来发现大量文档集合的主题的算法。借助这些算法我们可以对文档集合进行归类。适用于大规模数据场景。目前甚至可以做到分析流数据。需要指出的是，话题模型不仅仅限于对文档的应用，可以应用在其他的应用场景中，例如基因数据、图像处理和社交网络。这是一种新的帮助人类组织、检索和理解信息的计算工具。通过这类算法获得的那些主题都可以比喻成望远镜不同的放大倍数。我们
修炼打怪的小乌龟
·
2020-08-16 08:58
文本处理
scikit-learn linearRegression 1.2 线性与二次判别分析
线性判别分析
(
LDA
)(discriminant_analysis.LinearDiscriminantAnalysis)和二次判别分析(QDA)(discriminant_analysis.QuadraticDiscriminantAnalysis
瑟瑟发抖的菜鸡望
·
2020-08-16 08:52
机器学习
PCA和
LDA
欢迎访问我的blog本文是PCA的简单推导和理解，详细了解各个演化版本的PCA可以参考WIKI第二块数学基础内容很简单，都是高中知识，但是还是看一下，这样理解PCA就很快了1、为什么要PCA在真实的数据中总是会存在许多的冗余信息，比如：1、一支笔的长度是15cm，也可以说是0.15m。但是把这两者当作两个特征，那么他们所表达的意义其实是完全一样的。这里我要表达的就是两个特征之间的相关性，如果两个特
DivinerShi
·
2020-08-16 08:58
特征
自然语言处理-
LDA
主题模型
一、
LDA
主题模型简介
LDA
(LatentDirichletAllocation)中文翻译为：潜在狄利克雷分布。
LDA
主题模型是一种文档生成模型，是一种非监督机器学习技术。
sphinxrascal168
·
2020-08-16 08:12
LDA
and QDA
-data.frame(rbind(iris3[,,1],iris3[,,2],iris3[,,3]),Sp=rep(c("s","c","v"),rep(50,3)))y_hat<-predict(
lda
斯温jack
·
2020-08-16 08:53
机器学习
Sklearn
机器学习之降维方法：PCA和
LDA
的区别
一、PCA（主成分分析）二、
LDA
（
线性判别分析
）1、二类
LDA
原理2、多类
LDA
原理3、
LDA
算法流程4、
LDA
算法小结三、
LDA
和PCA区别一、PCA（主成分分析）PCA是一种无监督的数据降维方法降维是对数据高维度特征的一种预处理方法
平原2018
·
2020-08-16 08:52
算法
gensim实现
LDA
主题模型-------实战案例（分析希拉里邮件的主题）
数据集下载：https://download.csdn.net/download/qq_41185868/10963668第一步：加载一些必要的库，我们用的是gensim中的
LDA
模型，所以必须安装gensim
Shaw_Road
·
2020-08-16 08:06
自然语言处理
机器学习实战-64:
线性判别分析
降维算法(Linear Discriminant Analysis)
机器学习实战-64:
线性判别分析
降维算法深度学习原理与实践(开源图书)-总目录，建议收藏，告别碎片阅读！机器学习分为监督学习、无监督学习和半监督学习(强化学习)。
MTVideoAI
·
2020-08-16 08:05
机器学习专题
机器学习原理与实践
LDA
模型
原文的主要内容有两种方法设计分类器：1.discriminativemodel，就是由样本直接设计判别函数，例如SVM；2.generativemodel，就是先从样本恢复概率模型——例如我们熟悉的参数方法：混合高斯模型GMM;非参数方法Parzen窗。然后再充分挖掘模型，用以分类。例如Bayes最大后验概率准则；或者将模型中的参数当作提取的特征（参数一般都比较少，所以这么做实际上是在降维），在这
提灯夜行者
·
2020-08-16 08:59
数据挖掘
allocation
matlab
each
google
methods
算法
sklearn降维1:
线性判别分析
LDA
原理python过程
importpandasaspd#df=pd.read_csv('iris.data',header=None,sep=',')df=pd.io.parsers.read_csv(filepath_or_buffer='https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data',header=None,sep=
弎见
·
2020-08-16 08:23
机器学习入门
python
sklearn文档 — 1.2. 线性与二次判别分析法
线性判别分析
法(discriminant_analysis.LinearDiscriminantAnalysis)和二次判别分析法(discriminant_analysis.QuadraticDiscriminantAnalysis
quliulangle
·
2020-08-16 08:05
sklearn
Fisher（
LDA
）判别的推导+python代码实现二分类
Fisher判别的推导一、Fisher算法的主要思想二、Fisher数学算法步骤①计算各类样本均值向量mim_imi,mim_imi是各个类的均值，NiN_iNi是wiw_iwi类的样本个数。②计算样本类内离散度矩阵SiS_iSi和总类内离散度矩阵SwS_wSw③计算样本类间离散度矩阵SbS_bSb④求投影方向向量WWW(维度和样本的维度相同)。我们希望投影后，在一维YYY空间里各类样本尽可能分开
w²大大
·
2020-08-16 08:30
人工智能与机器学习
python学习
『
LDA
主题模型』用Python实现主题模型
LDA
用Python实现主题模型
LDA
。最后打印出文档-主题分布以及主题-词分布。
来日凭君发遣
·
2020-08-16 08:59
摘要抽取
python
数据分析
数据挖掘
LDA
原理（剖析源代码，详解）
上篇文章我们讲解了PCA的原理，在这里我们先分析一下PCA和
LDA
的区别
LDA
线性判别分析
也是一种经典的降维方法，
LDA
是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的。
翻滚吧~CODE君
·
2020-08-16 08:25
sklearn的
lda
降维
LDA
全称：
线性判别分析
用途：用来对数据进行降维或分类目标：
LDA
关注的是能够最大化类间区分样本将特征空间（数据集中的多维样本）投影到一个维度更小的K子维样本中，同时保持区分类别的信息。
靓玲珑
·
2020-08-16 07:34
使用python进行
LDA
分析
线性判别分析
也是一种子空间投影技术，但是它的目的是用来分类，让投影后的向量对于分类任务有很好的区分度。
古杜且偲
·
2020-08-16 07:28
机器学习
LDA
主题模型-sklearn的LatentDirichletAllocation实现案例
原理介绍请参考：
LDA
主题模型及python实现用scikit-learn学习
LDA
主题模型实现
LDA
模型的库有：sklearn的LatentDirichletAllocation和Gensim库等。
Dream_by_Dream
·
2020-08-16 07:05
数据分析
python自然语言处理之
lda
LDA
拓展了PLSA，定义了先验，因此L
数据科学家corten
·
2020-08-16 07:48
机器学习
【机器学习】
线性判别分析
(
LDA
)
LDA
的主要思想是：使投影后类内方差最小，类间方差最大，如下图所示。我们要将数据在低维度上进行投影，投影后希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大。
CC‘s World
·
2020-08-16 07:06
机器学习
(转)python:使用
LDA
进行文档主题建模.md
转自git:https://github.com/duoergun0729/nlp/blob/master/%E4%BD%BF%E7%94%A8
LDA
%E8%BF%9B%E8%A1%8C%E6%96%87%
渴望飞的鱼
·
2020-08-16 07:33
python
特征转换方法比较（PCA、ICA、
LDA
）
特征转换方法比较（PCA、ICA、
LDA
）一、主成分分析（PCA）二、独立成分分析（ICA）三、
线性判别分析
（
LDA
）四、异同点比较随着机器学习和数据科学的发展，大数据的分析与处理在许多领域得到了应用。
藏晖
·
2020-08-16 07:47
竞赛方案
特征处理
上一页
21
22
23
24
25
26
27
28
下一页
按字母分类：
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他