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主题模型
【NLP】Word Embedding（word2vec、glove）
WordEmbedding学习笔记在NLP中，对文本的表示方法：bag-of-words：基于one-hot、tf-idf、textrank等
主题模型
：LSA（SVD）、pLSA、
LDA
；基于词向量的固定表征
YeZzz
·
2020-06-18 18:00
无监督机器学习学习笔记——极大似然估计、EM算法、聚类算法(K-means、DSCAN、层次聚类、AP）、降维（PCA、ICA、
LDA
）
Expectation-Maximization)算法聚类算法K-means（约束簇）DSCAN（非约束簇）层次聚类（非约束簇）AP（非约束簇）总结矩阵降维稀疏自编码器PCA算法ICA算法字典学习线性判别分析（
LDA
XuZhiyu_
·
2020-06-06 23:00
学习笔记
聚类
算法
python
机器学习
人工智能
利用
LDA
和
主题模型
发现9种冠状病毒研究趋势
作者|AdrianRaudaschl编译|VK来源|TowardsDataScience尽管目前正在蔓延的冠状病毒疫情已经很可怕，但观察世界各地的学术界和研究界是多么迅速地开始了解这种病毒及其潜在影响，还是很有意思的。正因为如此，很多有趣的学术论文都很快就出来了。我鼓励你仔细阅读预印本，因为所作的声明是未经核实的，但我想看看这些文件所讨论的主题和结论中是否有任何明显的模式。因此，我从Elsevie
人工智能遇见磐创
·
2020-06-02 22:20
人工智能
主题模型
(
LDA
)案例：分析人民网留言板数据
原文链接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
LT_Ge
·
2020-05-27 23:40
模型
分别采用线性
LDA
、k-means和SVM算法对鸢尾花数据集和月亮数据集进行二分类可视化分析
目录一、线性
LDA
、k-means和SVM算法介绍（一）线性
LDA
算法（二）k-means算法（三）SVM（支持向量机）算法二、采用线性
LDA
算法（一）鸢尾花数据集（二）月亮数据集三、采用k-means
白码王子小张
·
2020-05-19 15:54
人工智能与机器学习
机器学习
python
基于jupyter notebook的python编程-----支持向量机学习一(SVM、
LDA
、k-means算法可视化分析月亮及鸢尾花数据集)
支持向量机学习一目录一、支持向量机简介1、支持向量机的定义2、支持向量机的分类3、SVM算法的优缺点二、可视化SVM算法分析1、基于SVM算法对月亮数据集进行分类2、基于SVM算法对鸢尾花数据集进行分类三、可视化
LDA
陈一月的编程岁月
·
2020-05-17 22:20
Python语言学习
人工智能机器学习
可视化
支持向量机
python
鸢尾花数据集
月亮数据集
python机器学习笔记：EM算法
EM算法也称期望最大化（Expectation-Maximum，简称EM）算法，它是一个基础算法，是很多机器学习领域的基础，比如隐式马尔科夫算法（HMM），
LDA
主题模型
的变分推断算法等等。
区块链专家
·
2020-05-16 10:40
java
python机器学习笔记：EM算法
EM算法也称期望最大化（Expectation-Maximum，简称EM）算法，它是一个基础算法，是很多机器学习领域的基础，比如隐式马尔科夫算法（HMM），
LDA
主题模型
的变分推断算法等等。
战争热诚
·
2020-05-16 09:00
Python机器学习笔记：线性判别分析（
LDA
）算法
预备知识首先学习两个概念：线性分类：指存在一个线性方程可以把待分类数据分开，或者说用一个超平面能将正负样本区分开，表达式为y=wx，这里先说一下超平面，对于二维的情况，可以理解为一条直线，如一次函数。它的分类算法是基于一个线性的预测函数，决策的边界是平的，比如直线和平面。一般的方法有感知器，最小二乘法。非线性分类：指不存在一个线性分类方程把数据分开，它的分类界面没有限制，可以是一个曲面，或者是多个
战争热诚
·
2020-05-12 10:00
LDA
——线性判别分析基本推导与实验
介绍与推导
LDA
是线性判别分析的英文缩写，该方法旨在通过将多维的特征映射到一维来进行类别判断。
颀周
·
2020-04-30 18:00
LDA
概率
主题模型
目录
LDA
主题模型
几个重要分布模型UnigrammodelMixtureofunigramsmodelPLSA模型
LDA
怎么确定
LDA
的topic个数？如何用
主题模型
解决推荐系统中的冷启动问题？
高文星星
·
2020-04-28 13:00
LDA
线性判别分析
LDA
（LinearDiscriminantAnalysis）线性判别分析是一种有监督数据降维算法，它与我们之前提到的PCA都是数据清洗过程中最常用的两种数据降维技术。
taon
·
2020-04-23 16:49
无监督第四节：
LDA
(Latent Dirichlet Allocation快速理解)（
主题模型
）
1.简介
LDA
是一种基于概率的生成式模型，所以在
LDA
的过程中会涉及到很多概率的知识，不太熟悉的话建议先学习概率知识。
LDA
在NLP中应用广泛，主要是用于
主题模型
(topicmodeling)。
数据小新手
·
2020-04-19 13:55
02
主题模型
- SVD矩阵分解、LSA模型
01
主题模型
-大纲
主题模型
克服了传统信息检索中文档相似度计算方法的缺点，并且能够在海量的数据中找出文字间的语义主题。
主题模型
在自然语言和给予文本的搜索上起到了重要的作用。怎样才能生成主题？
白尔摩斯
·
2020-04-14 06:49
04
主题模型
- NMF
02
主题模型
-SVD矩阵分解、LSA模型03
主题模型
-LSA案例五、NMF参考：https://www.csie.ntu.edu.tw/~cjlin/papers/pgradnmf.pdfNTU台湾科技大学
白尔摩斯
·
2020-04-13 19:15
05
主题模型
- 坐标轴下降法
04
主题模型
-NMF六、坐标轴下降法回顾：当加入L1正则项后，由于没法求解出正常的导函数出来(导函数不是连续的)，也就没法使用梯度下降法和拟牛顿法求解参数，此时一般采用坐标轴下降法来进行参数的求解。
白尔摩斯
·
2020-04-13 11:36
使用LFM（Latent factor model）隐语义模型进行Top-N推荐
隐语义模型LFM和LSI，
LDA
，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。
MiracleJQ
·
2020-04-13 01:47
基于gensim计算文档相似性
gensim官网：https://radimrehurek.com/gensim/tutorial.html训练tfidf,lsi,
lda
,doc2vec等4种模型向量化文档输入文件两列：标题\t分词do_train_model.py
懒懒的光
·
2020-04-10 03:48
Linear Discriminant Analysis
LDA
理论假设我们有m维样例我们寻求一个标量y通过映射样本集x到一条线上maximize样本类型分开的line各个类型的点求他们的“均值点”比如有A类型的（1,2,3）（3,4,5）那么μ=(2,3,4
潘俊秀
·
2020-04-09 05:19
机器算法第一次作业
数据请理——特征工程——数据建模机器学习的方法：线性回归、EM算法、GMM与图像、图像的卷积、去均值ICA分离、带噪声的信号分离、SVM：高斯核函数的影响RBF、Crawler爬取数据、HMM分词：MLE、
LDA
3
zlkang
·
2020-04-08 18:00
数据降维——PCA、SVD
降维方法__属性选择：过滤法；包装法；嵌入法；|_映射方法_线性映射方法：PCA、
LDA
、SVD分解等|_非线性映射方法：|__核方法：KPCA、KFDA等|__二维化：|__流形学习：ISOMap、LLE
GaryLi077
·
2020-04-08 07:01
StatQuest学习笔记13——
LDA
第38小节的内容是
LDA
，全称是LinearDiscriminantAnalysis，中文翻译为线性判别分析，这种方法能够对一些数据进行分类，对数据分类的其它方法还是PCA，t-SNE，SVM。
backup备份
·
2020-04-08 06:25
Hive迁移Saprk SQL的坑和改进办法
Qcon全球软件开发者大会2016北京站演讲主题：Spark在360的大规模实践与经验分享李远策360-Spark集群概况360-Spark集群概况360-Spark应用MLLib•算法：
LDA
、LR
Albert陈凯
·
2020-04-06 10:41
python主题
LDA
建模和t-SNE可视化
p=4261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。
LT_Ge
·
2020-04-06 09:48
python
06
主题模型
- pLSA又称pLSI - 基于概率的潜在语义分析模型
02
主题模型
-SVD矩阵分解、LSA模型03
主题模型
-LSA案例04
主题模型
-NMF05
主题模型
-坐标轴下降法pLSA的另一个名称是ProbabilisticLatentSemanticIndexing
白尔摩斯
·
2020-04-06 00:17
1-机器学习概述
视频学习笔记机器学习基本概念：机器学习分类：建模的基本过程：机器学习一般流程：机器学习算法：线型回归、rate、Loss、GMM与图像、EM算法、去均值ICA分离、SVM、Crawler爬取数据、HMM分词、
LDA
木朽花
·
2020-04-05 20:00
python 编程常用笔记
读取数据，文件加载和存储读取数据并创建名为data的数据表data=pd.DataFrame(pd.read_csv('
LDA
_data.csv'))没有表头name=['id','gender']user
陈小叶纷飞sysu
·
2020-04-05 20:53
基于深度学习的情感分析
一、传统机器学习与深度学习1、传统机器学习方法tf-idfTopicModel（
LDA
）SMT...2、深度学习CNNTextCNNFastText+TextCNNCNN+RNN...RNNTextRNNRNN
crazysheng
·
2020-04-03 21:58
机器学习概述
数据请理——特征工程——数据建模机器学习的方法：线性回归、EM算法、GMM与图像、图像的卷积、去均值ICA分离、带噪声的信号分离、SVM：高斯核函数的影响RBF、Crawler爬取数据、HMM分词：MLE、
LDA
2.2python
M.R.J
·
2020-04-03 19:00
四大机器学习降维算法：PCA、
LDA
、LLE、Laplacian Eigenmaps
原文：http://dataunion.org/13451.html引言：机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数f:x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。目前大部分降维
MapleLeaff
·
2020-04-03 07:24
LDA
漫游系列(一)-引言
之前两次面试都问到了
LDA
算法，这个算法是著名的基于概率模型的
主题模型
算法，有必要认真的了解一下。
文哥的学习日记
·
2020-04-03 03:18
pLSA
主题模型
这里打算和大家分享一下PLSA
主题模型
，这
杰伦哎呦哎呦
·
2020-04-02 13:19
第七周考试总结
oldboy.txt文件有如下内容：183.250.220.178|-l[20/jul/2017:10:35:14+0800]|POST/audiosearch/searchHTTP/1.1|200|54|-
lDa
呀丶小疯纸
·
2020-04-02 13:23
Iris数据集使用PCA/
LDA
/KPCA降维的结果比较
一、实验描述分别使用PCA、
LDA
和KPCA方法对Iris数据集进行降维，利用可视化工具比较降维的效果。
Garfield猫
·
2020-03-31 05:43
OpenLDAP多主复制（基于docker容器模式部署）
article/1490857首先先拉取docker镜像服务端镜像dockerpullosixia/openldap客户端镜像dockerpullldapaccountmanager/lam启动两个服务端容器
LDA
绿茶/
·
2020-03-30 14:00
OpenLDAP多主复制（基于docker容器模式部署）
article/1490857首先先拉取docker镜像服务端镜像dockerpullosixia/openldap客户端镜像dockerpullldapaccountmanager/lam启动两个服务端容器
LDA
绿茶
·
2020-03-30 14:00
贝叶斯平滑
一、beta分布首先必须理解beta分布，beta分布是贝叶斯平滑的核心伯努利分布、二项分布、Beta分布、多项分布和Dirichlet分布与他们之间的关系，以及在
LDA
中的应用【存疑】如何通俗理解beta
只为此心无垠
·
2020-03-29 23:53
07
主题模型
- 知识补充 - 概率知识、二项\多项\Beta\Dirichlet分布
06
主题模型
-pLSA又称pLSI-基于概率的潜在语义分析模型为了讲后续的
LDA
算法，需要补充一点数学知识。
白尔摩斯
·
2020-03-28 09:08
Michael I. Jordan联合UC伯克利13位重量级学者：下一代人工智能系统的4大趋势和9大研究课题
MichaelI.Jordan简介：
LDA
作者，机器学习泰斗，美国科学院/工程院/艺术科学院三院院士，ACM/AAAIFellow，认知科学最高奖RumelhartPrize得主，美国人工智能协会的艾伦奖得主
鬼泣天下第一
·
2020-03-27 19:05
BAT机器学习面试1000题系列（第11~20题）
常见的判别模型有：K近邻、SVM、决策树、感知机、线性判别分析（
LDA
）、线性回归、传统的神经
Hebborn_hb
·
2020-03-26 23:06
机器学习入门——线性模型（2）线性判别分析
线性判别分析（简称
LDA
），最早由Fisher提出，也叫Fisher判别分析。
江湖人称冷不丁
·
2020-03-26 22:03
[他山之石] 3 常见机器学习方法总览
这里总结了常见的几个机器学习算法：朴素贝叶斯、决策树、逻辑回归、线性回归、KNN、SVM、Boosting、聚类、pLSA、
LDA
、GDBT、Regularization、异常检测、EM算法、Apriori
xzhren
·
2020-03-26 04:22
阿里云消息服务简单介绍
消息服务提供了两种模型：队列模型
主题模型
两种功能模型的区别：队列模型支持一对一发送和接收消息；主题
云计算小百科
·
2020-03-25 01:19
LDA
线性判别式-scikitlearn和numpy两种实现方法
'''LinearDiscriminantAnalysis(
LDA
)inmanuerandscikit-learn1.Calculatemeanvectorsofeachclass2.Calculatewithin-classandbetween-classscattermatrices3
Just Jump
·
2020-03-25 01:02
特征工程
机器学习
机器学习
特征值分解
阿里云消息服务简单介绍
消息服务提供了两种模型：队列模型
主题模型
两种功能模型的区别：队列模型支持一对一发送和接收消息；主题
云计算小百科
·
2020-03-24 23:36
lda
实验相关
（一）
lda
训练：数据很大，使用R的
lda
包，进行数据的处理及分析，其中重要的几个参数的输入的设置依据：数据比较大，主要参考的是SIGIR'06的论文
LDA
-BasedDocumentModelsforAd-hocRetrieval
zouxiaoyu
·
2020-03-23 08:26
阿里云消息服务简单介绍
消息服务提供了两种模型：队列模型
主题模型
两种功能模型的区别：队列模型支持一对一发送和接收消息；主题
云计算小百科
·
2020-03-17 18:44
LDA
文档主题生成模型入门
一、
LDA
简介
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。
海天一树X
·
2020-03-16 05:45
3、静态链接
上一篇说到链接主要包括地址和空间分配、符号决议、重定位这三部分，本篇文章将针对这三部分进行一个详细说明链接过程
lda
.ob.o-emain-oab链接过程实际上将多个目标文件.o的同类段进行合并处理合并成一个
eesly_yuan
·
2020-03-14 15:40
降维算法四：Laplacian Eigenmap（拉普拉斯映射）
这时一种经典的降维方法是
LDA
，其原理是使降维后的数据间类内距离尽可能小，类间距离尽可能大。 使用
LDA
有个条件，就是要知道降维前数据分别属于哪一类，而且还要知道数据完整的高维信息。
尼小摩
·
2020-03-13 02:06
上一页
35
36
37
38
39
40
41
42
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