前沿科技创业的驱动者

自然语言文本分析实例:深度学习、分类和回归丨数析学院

2016-09-18 02:15 阅读(255)    评论(0)   

TA_Key phrases_R2

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。

公司二维码

分享到:

相关推荐

  • TA_Key phrases_R2

    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: ...

  • TA_Key phrases_R2

    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: ...

  • TA_Key phrases_R2

    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: ...

  • TA_Key phrases_R2

    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: ...

  • TA_Key phrases_R2

    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: ...

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

SME 前沿科技创业的驱动者