lda主题模型

【Machine Learning】线性判别分析Python实现（LDA）

本次主要考虑在给定的两类各5000*57样例中，每类中随机抽取1000个样例进行LDA训练，最后拿剩下的样例进行测试，最后输出错误率。
Lawe·2016-10-01 20:43

【Machine Learning】线性判别分析Python实现（LDA）

本次主要考虑在给定的两类各5000*57样例中，每类中随机抽取1000个样例进行LDA训练，最后拿剩下的样例进行测试，最后输出错误率。
Lawe·2016-10-01 20:43

【Machine Learning】线性判别分析(LDA)

LDA的全称是LinearDiscriminantAnalysis（线性判别分析），是一种supervisedlearning，在二分类问题上最早由Fisher提出，所以也叫“Fisher判别分析”
Lawe·2016-10-01 18:08

[综] Latent Dirichlet Allocation(LDA)主题模型算法

 多项分布http://szjc.math168.com/book/ebookdetail.aspx?cateid=1&§ionid=983 二项分布和多项分布http://blog.csdn.net/shuimu12345678/article/details/307739290-1分布：在一次试验中，要么为0要么为1的分布，叫0-1分布。二项分布：做n次伯努利实验，每次实验为1的概率为
编著人·2016-09-28 16:00

LDA之我见

LDA认为一个语料库中的某个文档w又一系列的主题z生成的，而这一系列的主题是潜在的不可见的，其实就是个混合模型：在贝叶斯的理论框架之下，将z的参数也当作变量：那么概率模型雏形就出来了，LDA是一个典型“
cjw_seeker·2016-09-23 15:52

用R语言生成DocumentTermMatrix（DTM）矩阵

在提取文本LDA时，需要先生成文档的DTM矩阵。对于DTM矩阵，维基百科上给出了详细的解释。
Mandddy·2016-09-22 15:53

关于广义特征值问题的求解[泛化特征值问题][扩展特征值问题]

最近接触到LDA（线性判别分析）、LFDA（局部性性判别分析）、FLDA（Fisher线性判别分析）、MMDA（多模式判别分析）等关于特征提取的方法，其中都涉及到了同一个问题——FisherCriterion
LYS_SONG永松·2016-09-22 10:42

Spark2.0机器学习系列之9： 聚类算法(LDA）

许多机器学习算法（如后面将要提到的LDA）涉及的数学知识太多，前前后后一大堆，理解起来不是那么容易。
千寻千梦·2016-09-21 15:06

Spark2.0机器学习系列之9： 聚类算法(LDA）

许多机器学习算法（如后面将要提到的LDA）涉及的数学知识太多，前前后后一大堆，理解起来不是那么容易。    
qq_34531825·2016-09-21 15:00

基于主题模型的文本聚类分类

主题模型（TopicModel）是我研究的方向之一，利用主题模型和事先设定好的主题个数，可以训练出文档集合中不同主题所占的比例（主题比例）以及各个主题下关键词的出现的概率（主题分布）。
追梦不止,静心致远·2016-09-18 20:26

基于主题模型的文本聚类分类

主题模型（TopicModel）是我研究的方向之一，利用主题模型和事先设定好的主题个数，可以训练出文档集合中不同主题所占的比例（主题比例）以及各个主题下关键词的出现的概率（主题分布）。
BD_Jiang·2016-09-18 20:00

基于主题模型的文本聚类分类

主题模型（TopicModel）是我研究的方向之一，利用主题模型和事先设定好的主题个数，可以训练出文档集合中不同主题所占的比例（主题比例）以及各个主题下关键词的出现的概率（主题分布）。
BD_Jiang·2016-09-18 20:00

通俗理解卷积神经网络

本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开始创业做在线教育后，太多的杂事、琐碎事，让我一直想再写点技术性文章但每每恨时间
jingxianli0922·2016-09-09 16:21

机器学习降维方法

特征降维方法包括：Lasso，PCA，小波分析，LDA，奇异值分解SVD，拉普拉斯特征映射，SparseAutoEncoder，局部线性嵌入LLE，等距映射Isomap，Embedding。
Bryan__·2016-09-09 16:17

LDA论文导读

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
cornerCao·2016-08-23 15:43

lda主题模型

若公式显示有问题请复制链接到新TAB重新打开听说国外大牛都认为LDA只是很简单的模型，吾辈一听这话，只能加油了~另外这个大牛写的LDA导读很不错：http://bbs.byr.cn/#!
cornerCao·2016-08-23 00:43

lda主题模型

若公式显示有问题请复制链接到新TAB重新打开听说国外大牛都认为LDA只是很简单的模型，吾辈一听这话，只能加油了~另外这个大牛写的LDA导读很不错：http://bbs.byr.cn/#!
cornerCao·2016-08-23 00:43

Logistic Regression、Linear Discriminant Analysis、Shrinkage Methods（Ridge Regression and Lasso）

这篇文章主要介绍了一些关于应用LogisticRegression，LDA和ShrinkageMethods的一些要点，让你在实际应用中可以更好地发挥各个模型的优势，这篇文章全部来自于对AnIntroductiontoStatisticalLearning
Xurtle·2016-08-20 17:37

Distributional Vector VS. Distributed Vector

DistributionalVectorVS.DistributedVector异同点对于自然语言相同点都是基于distribution思想使用相同的语料库Distributionalmodels(BOW,LSI,LDA
一只鸟的天空·2016-08-15 12:15

周志华 《机器学习》之 第三章（线性模型）概念总结

阅读之后，根据周志华老师对本章节的安排，首先从线性模型的基本形式入手，逐渐引入线性回归、对数几率回归、线性判别分析（LDA）、多分类学习等多种线性模型，最后针对类别不平衡问题总结了一些相关的解决思路1）
不系之舟913·2016-08-12 00:00

自然语言处理︱简述四大类文本分析中的“词向量”（文本词特征提取）

词向量一般被看做是文档的特征，不同词向量有不同的用法，本文介绍了四类词向量：Hash算法及延伸、bow算法延伸、word2vec延伸、LDA主题延伸。
悟乙己·2016-08-09 15:15

分类的线性方法

Prml\esl中的线性分类模型涉及到指示矩阵线性回归模型线性判别分析(LDA)Logistic回归分离超平面指示矩阵的线性回归模型方法:用线性回归模型拟合类指示变量,并分类到最大拟合(esl定义)指示变量编码
Chaos？·2016-08-06 11:15

机器学习常见面试题

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
Linda_ak·2016-07-22 00:00

文本挖掘，我们想要得到什么

然后呢，我做了食品安全事件报道的地区、时间、和类型的统计，跑了关联规挖掘，利用主题模型方法进行了隐含变量的提取。结果看上去很丰富
Jetqvvf_what·2016-07-16 15:43

深度学习在短文本相似中的应用（Sentence2Vector）——qjzcy的博客

目录：一、先贴结果二、短文本相似常用的方法三、主题模型的应用四、深度学习的模型搭建（一）老样子先贴结果吧，样本是处理后的搜索query和广告点击query，准确率在95%左右图2的格式为标签（相似为1，
qjzcy·2016-07-11 18:20

自然语言处理中主题模型的发展

自然语言处理中主题模型的发展强烈建议直接看论文，看一些博客对于入门并没有什么太大帮助。
hello_pig1995·2016-07-09 19:24

Gensim LDA主题模型实验

本文利用gensim进行LDA主题模型实验，第一部分是基于前文的wiki语料，第二部分是基于Sogou新闻语料。
bbking·2016-07-05 18:00

CNN笔记：通俗理解卷积神经网络

本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年
v_JULY_v·2016-07-02 22:00

强大的矩阵奇异值分解(SVD)及其应用

本文转自：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html前言：上一次写了关于PCA与LDA
Dr_Neo·2016-06-30 19:45

gensim文本主题模型推荐

用gensim包做中文文本的推荐一、gensim是generatesimilar的简写，叫做普遍相似。对于gensim这个包建议新手直接使用anaconda工具进行集中安装二、gensim包中做文本推荐要使用的几个重要的模块1、corpora语料库（将文本文档转为文档向量（基于词频和tfidf的文档向量））fromgensimimportcorporaimportjiebasentences=["
alone52Hz·2016-06-23 21:03

用Mxnet实现矩阵分解

在《关于LDA,pLSA,SVD,Word2Vec的一些看法》一文中我们提到了SVD的算法。之前TensorFlow刚出来时，就听说可以很容易的用TF实现这个算法（参考这篇文章）。
xlvector·2016-06-19 22:57

机器投研：从行业大数据里发现投资亮点

包括：基于分类算法的按行业自动新闻和公告分类、基于推荐算法的个股自动推荐指标和数据关联、基于文本情感分析的个股新闻情感分析、基于主题模型的成分股票监测、以及基于知识图谱的行业上下游
蔡弘·2016-06-08 00:00

LDA主题词模型

LDA主题词模型探析参考博主：http://www.tuicool.com/articles/E7RVFzU内容再自行整理得来，侵权删。LDA是什么？
chixujohnny·2016-06-07 17:28

LDA主题词模型

LDA主题词模型探析参考博主：http://www.tuicool.com/articles/E7RVFzU 内容再自行整理得来，侵权删。LDA是什么？   
chixujohnny·2016-06-07 17:00

R语言︱LDA主题模型——最优主题数选取(topicmodels)+LDAvis可视化(lda+LDAvis)

笔者寄语：在自己学LDA主题模型时候，发现该模型有这么几个未解决的问题：1、LDA主题数量，多少个才是最优的。2、作出主题之后，主题-主题，主题与词语之间关联如何衡量。
sinat_26917383·2016-05-31 18:00

随机采样和随机模拟：吉布斯采样Gibbs Sampling实现文档分类

blog.csdn.net/pipisorry/article/details/51525308吉布斯采样的实现问题本文主要说明如何通过吉布斯采样进行文档分类（聚类），当然更复杂的实现可以看看吉布斯采样是如何采样LDA
pipisorry·2016-05-29 21:00

主题模型分析模型——pLSA

基于概率统计的pLSA模型（probabilisticLatentSemanticAnalysis，概率隐语义分析），增加了主题模型，形成简单的贝叶斯网络，可以使用EM算法学习模型参数。
努力是一种幸运·2016-05-25 23:34

Gibbs sampling -- batch LDA

  详细的推导我就不记录了，毕竟各种文章中都有讲到LDA的各种实现算法。用variationalinference的，用gibbssampling的。
u010533386·2016-05-25 06:00

随机森林、EM、HMM、LDA

本篇简单介绍这些概念。随机森林（RandomForest）是一种分类和回归算法，它包含了多个决策树，形成一个森林，随机森林的类别是所有决策树分类回归结果的众数决定。由于它优点很多，适应比较广泛.1、能够处理高维数据，不用做特征选择，自动选出那些特征重要。2、训练速度快，分类精度高。3、能检测到特征之间的相互影响。4、不会产生过拟合。期望最大化（Expectation-Maximization），也
qq_23617681·2016-05-23 16:07

Topic Model 的复杂度计算(时间和空间)

下面先说主题模型的计算复杂度，再说内存占用。时间复杂度    本来这个问题挺简单的，但是有搞统计的同学不知道CS里面的复杂度是怎么计算，就写到这里吧。
u010533386·2016-05-23 02:00

LDA（一）：LDA前身PLSA介绍与推导

因为加入了主题模型，所以可以很大程度上改善多词一义和一词多义的问题。
Cins侯卓·2016-05-21 13:21

模式识别（Pattern Recognition）学习笔记（八）--Fisher线性判别分析

线性判别分析（LinearDiscriminantAnalysis）由Fisher与1936年提出，示线性判别方法中最具代表性的一种，简称LDA，又叫Fisher判别。
eternity1118_·2016-05-18 15:07

模式识别（Pattern Recognition）学习笔记（八）--Fisher线性判别分析

线性判别分析（LinearDiscriminantAnalysis）由Fisher与1936年提出，示线性判别方法中最具代表性的一种，简称LDA，又叫Fisher判别。    
eternity1118_·2016-05-18 15:00

中文文本预处理--主题模型

低频词如在主题模型中，数据预处理的要求很简单，只需要去掉低频词，大多数文章设定的门限都是5或者6.分词中文文本相比于英文，需要首先进行分词处理。类似地还有日文、韩文等。
u010533386·2016-05-18 05:00

机器学习: Canonical Correlation Analysis 典型相关分析

而LDA(LinearDiscriminantAnalysis)线性判别分析则利用了类标签，利用一种监督学习的方法，将
shinian1987·2016-05-15 16:00

机器学习： Linear Discriminant Analysis 线性判别分析

Lineardiscriminantanalysis(LDA)线性判别分析也是机器学习中常用的一种降维算法，与PCA相比，LDA是属于supervised的一种降维算法。
shinian1987·2016-05-15 16:00

LDA入门级学习笔记

声明：1）该博文是多位博主以及科学家所无私奉献的论文资料整理的。具体引用的资料请看参考文献。具体的版本声明也参考原文献2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应，更有些部分本来就是直接从其他博客复制过来的。如果某部分不小心侵犯了大家的利益，还望海涵，并联系老衲删除或修改，直到相关人士满意为止。3）本人才疏学浅，整理总结的时候难免出错，还望各位前辈不吝指正，谢谢。4）阅读
GarfieldEr007·2016-05-08 13:00

机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用

http://leftnoteasy.cnblogs.com,本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系[email protected]前言：   上一次写了关于PCA与LDA
u011534057·2016-05-07 17:00

机器学习中的数学(4)-线性判别分析（LDA）, 主成分分析(PCA)

版权声明：   本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com,本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系[email protected]前言：    第二篇的文章中谈到，和部门老大一宁出去outing的时候，他给了我相当多的机器学习的建议，里面涉及到很多的算法的意义、学习方法等等。一宁上次给我提到，如果学习分类算法，最
u011534057·2016-05-07 17:00

基于gibbsLDA的文本分类

之前几篇文章讲到了文档主题模型，但是毕竟我的首要任务还是做分类任务，而涉及主题模型的原因主要是用于textrepresentation，因为考虑到TopicModel能够明显将文档向量降低维度，当然TopicModel
u010223750·2016-05-06 21:00
上一页 46 47 48 49 50 51 52 53 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他