প্রশ্ন ট্যাগ «text-mining»

নিদর্শনগুলি চিহ্নিত করে পাঠ্য আকারে ডেটা থেকে তথ্য আহরণের সাথে সম্পর্কিত ডেটা মাইনিংয়ের একটি উপসেটকে বোঝায়। পাঠ্য খনির লক্ষ্য হ'ল প্রদত্ত নথিটি একটি স্বয়ংক্রিয় উপায়ে কয়েকটি বিভাগের মধ্যে একটিতে শ্রেণিবদ্ধ করা এবং এই কর্মক্ষমতাটিকে গতিশীলভাবে উন্নত করা, এটি মেশিন লার্নিংয়ের উদাহরণ হিসাবে তৈরি করে। এই ধরণের পাঠ্য খনির একটি উদাহরণ ইমেলের জন্য ব্যবহৃত স্প্যাম ফিল্টার।

3
একটি উদাহরণ: বাইনারি ফলাফলের জন্য গ্ল্যামনেট ব্যবহার করে লাসো রিগ্রেশন
আমি লাসো রিগ্রেশন সহ যেখানে আমার আগ্রহের ফলাফলটি দ্বিধাহীন তা ব্যবহার glmnetকরে ধকল শুরু করছি । আমি নীচে একটি ছোট মক ডেটা ফ্রেম তৈরি করেছি: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 
2
কেরাস 'এম্বেডিং' স্তর কীভাবে কাজ করে?
কেরাস লাইব্রেরিতে 'এম্বেডিং' স্তরটির কাজ বোঝার প্রয়োজন। আমি পাইথনে নিম্নলিখিত কোডটি কার্যকর করি import numpy as np from keras.models import Sequential from keras.layers import Embedding model = Sequential() model.add(Embedding(5, 2, input_length=5)) input_array = np.random.randint(5, size=(1, 5)) model.compile('rmsprop', 'mse') output_array = model.predict(input_array) যা নিম্নলিখিত আউটপুট দেয় input_array = [[4 1 3 …
6
স্ট্রিংয়ের দুটি ভেক্টরকে (আরে) মিলিয়ে কীভাবে করব?
এটিকে কীভাবে বলা হবে আমি নিশ্চিত নই, সুতরাং আপনি যদি আরও ভাল শব্দটি জানেন তবে দয়া করে আমাকে সংশোধন করুন। আমি দুটি তালিকা পেয়েছি। 55 টি আইটেমের মধ্যে একটি (যেমন: স্ট্রিংগুলির একটি ভেক্টর), অন্য 92 টি The আইটেমের নামগুলি একই রকম তবে অভিন্ন নয়। আমি ভাল প্রার্থী খুঁজে পেতে চান …
36 r  text-mining 
6
পাঠ্যের পরিসংখ্যানগত শ্রেণিবিন্যাস
আমি পরিসংখ্যান ব্যাকগ্রাউন্ড ছাড়াই একজন প্রোগ্রামার এবং আমি বর্তমানে প্রাক সংজ্ঞায়িত বিভাগগুলিতে শ্রেণীবদ্ধ করতে চাই এমন বিভিন্ন নথির বিভিন্ন সংখ্যার জন্য বিভিন্ন শ্রেণিবদ্ধকরণ পদ্ধতিগুলি দেখছি। আমি কেএনএন, এসভিএম এবং এনএন সম্পর্কে পড়ছি। তবে শুরু করতে আমার কিছুটা সমস্যা হচ্ছে। আপনি কি সংস্থান সুপারিশ করবেন? আমি সিঙ্গল ভেরিয়েবল এবং মাল্টি ভেরিয়েবল …
4
স্ট্রিং পার্সিংয়ের জন্য মেশিন লার্নিং কৌশল?
আমার কাছে ঠিকানাগুলির অনেকগুলি স্ট্রিং রয়েছে: 1600 Pennsylvania Ave, Washington, DC 20500 USA আমি তাদের উপাদানগুলিতে পার্স করতে চাই: street: 1600 Pennsylvania Ave city: Washington province: DC postcode: 20500 country: USA তবে অবশ্যই ডেটাটি নোংরা: এটি বিভিন্ন ভাষায় বিভিন্ন দেশ থেকে আসে, বিভিন্ন উপায়ে লেখা থাকে, ভুল বানান থাকে, টুকরা …
3
পাঠ্য শ্রেণিবদ্ধকরণের কার্যগুলিতে আর স্কেল কতটা ভাল হয়? [বন্ধ]
আমি আর এর সাথে গতি অর্জনের চেষ্টা করছি eventually আমি শেষ পর্যন্ত পাঠ্য শ্রেণিবদ্ধকরণের জন্য আর লাইব্রেরিটি ব্যবহার করতে চাই। আমি যখন কেবল পাঠ্য শ্রেণিবদ্ধকরণ করার কথা বলি তখন আর এর স্কেল্যাবিলিটি সম্পর্কিত লোকদের অভিজ্ঞতাগুলি কী তা আমি ভাবছিলাম। আমি উচ্চ মাত্রিক ডেটা (k 300k মাত্রা) চালানোর সম্ভবত। আমি বিশেষত …
2
নিষ্পাপ বেয়েস এবং বহু বহুবর্ষী নিষ্পাপ বেয়েসের মধ্যে পার্থক্য
আমি এর আগে নাইভ বেইস শ্রেণিবদ্ধের সাথে ডিল করেছি । আমি ইদানীং মাল্টিনোমিয়াল নাইভ বেয়েস সম্পর্কে পড়ছি । এছাড়াও উত্তরোত্তর সম্ভাবনা = (পূর্বের সম্ভাবনা) / (প্রমাণ) । নাইভ বেয়েস এবং মাল্টিনোমিয়াল নাইভ বেয়েসের মধ্যে আমি খুঁজে পেয়েছি একমাত্র প্রধান পার্থক্য মাল্টিনমিয়াল সাদাসিধা বায়েসের হিসাব সম্ভাবনা হতে একটি শব্দ / টোকেন …
4
টপিক মডেলিং / এলডিএ সম্পাদনের জন্য আর প্যাকেজ: কেবলমাত্র টপিক মডেলস এবং `এলডিএ [বন্ধ]
আমার কাছে মনে হয় যে কেবল দুটি আর প্যাকেজই প্রচ্ছন্ন ডিরিচলেট বরাদ্দ সম্পাদন করতে সক্ষম : একটি lda, জোনাথন চ্যাং রচিত; এবং অন্যটি topicmodelsলিখেছেন বেতিনা গ্রান এবং কার্ট হর্নিক। কর্মক্ষমতা, প্রয়োগের বিবরণ এবং এক্সটেনসিবিলিটির দিক থেকে এই দুটি প্যাকেজের মধ্যে পার্থক্য কী?
1
ক্রস বৈধকরণ বৈধতা সেট জন্য একটি উপযুক্ত বিকল্প?
পাঠ্য শ্রেণিবিন্যাসে, আমার প্রায় 800 টি নমুনা সহ একটি প্রশিক্ষণ সেট রয়েছে এবং প্রায় 150 টি নমুনা সহ একটি পরীক্ষা সেট রয়েছে। পরীক্ষার সেটটি কখনও ব্যবহার করা হয়নি, এবং শেষ অবধি ব্যবহারের জন্য অপেক্ষা করছে। ক্লাসিফায়ারগুলি এবং বৈশিষ্ট্যগুলি সুর করার সময় এবং টুইট করার সময় আমি 10 টি ভাঁজ ক্রস …
7
নাইভ বেয়েসে, যখন পরীক্ষার সেটটিতে আমাদের অজানা শব্দ রয়েছে তখন ল্যাপ্লেস স্মুথ করার জন্য কেন বিরক্ত হন?
আমি আজ নাইভ বেয়েস শ্রেণিবিন্যাসের উপর পড়ছিলাম। আমি পরামিতি অনুমানের শিরোনামে 1 টি স্মুথিং যুক্ত দিয়ে পড়েছি : যাক ccc একটি বর্গ (যেমন ইতিবাচক বা নেতিবাচক হিসেবে) পড়ুন, এবং দিন www একটি টোকেন বা ওয়ার্ড পড়ুন। জন্য সর্বোচ্চ সম্ভাবনা মূল্নির্ধারক P(w|c)P(w|c)P(w|c) হয় count(w,c)count(c)=counts w in class ccounts of words in …
3
বিষয়গুলির মডেল এবং শব্দের সহ-উপস্থিতি পদ্ধতি
এলডিএর মতো জনপ্রিয় টপিক মডেলগুলি সাধারণত ক্লাস্টার শব্দের সাথে একই বিষয়ের (ক্লাস্টার) একসাথে হয়ে থাকে। এই জাতীয় বিষয়গুলির মডেল এবং পিএমআইয়ের মতো অন্যান্য সাধারণ সহ-ঘটনা ভিত্তিক ক্লাস্টারিং পদ্ধতির মধ্যে প্রধান পার্থক্য কী? (পিএমআই মানে পয়েন্টওয়্যার মিউচুয়াল ইনফরমেশন, এবং এটি কোনও প্রদত্ত শব্দের সাথে সহজাত হওয়া শব্দগুলি সনাক্ত করতে ব্যবহৃত হয়))
2
পাঠ্য শ্রেণিবিন্যাসের জন্য ব্যাগ-অফ-ওয়ার্ডস: কেন কেবল টিএফআইডিএফের পরিবর্তে শব্দ ফ্রিকোয়েন্সি ব্যবহার করবেন না?
পাঠ্য শ্রেণিবিন্যাসের একটি সাধারণ পন্থা হল 'ব্যাগ-অফ-শব্দের' বাইরে কোনও শ্রেণিবদ্ধকে প্রশিক্ষণ দেওয়া। ব্যবহারকারী পাঠ্যটিকে শ্রেণিবদ্ধ করার জন্য গ্রহণ করে এবং প্রতিটি বস্তুর শব্দের ফ্রিকোয়েন্সি গণনা করে, এরপরে ম্যানেজযোগ্য আকারের ফলস্বরূপ ম্যাট্রিক্স রাখার জন্য কিছু ধরণের ট্রিমিং করে। প্রায়শই, আমি টিএফআইডিএফ ব্যবহার করে ব্যবহারকারীরা তাদের বৈশিষ্ট্য ভেক্টরটি নির্মাণ করতে দেখি। অন্য …
1
অনুভূতি বিশ্লেষণের জন্য অনুচ্ছেদে ভেক্টর ব্যবহার করার প্রতিবেদন করা অত্যাধুনিক পারফরম্যান্সটির প্রতিরূপ তৈরি করা হয়েছে?
লে এবং মিকোলোভের আইসিএমএল ২০১৪ পত্রিকায় " বিতরণ উপস্থাপনাগুলি ও নথিপত্র " এর ফলাফলগুলিতে আমি মুগ্ধ হয়েছি। "প্যারাগ্রাফ ভেক্টর" নামক তারা যে কৌশলটি বর্ণনা করেন, শব্দ 2vec মডেলের বর্ধনের উপর ভিত্তি করে নির্বিচারে দীর্ঘ অনুচ্ছেদ / নথিগুলির নিরীক্ষণ উপস্থাপনা শিখেন। এই কৌশলটি ব্যবহার করে সংবেদন বিশ্লেষণে কাগজটি অত্যাধুনিক পারফরম্যান্সের প্রতিবেদন …
3
শ্রেণিবিন্যাসের জন্য আধা তত্ত্বাবধানে পড়াশোনা, সক্রিয় শিক্ষা এবং গভীর শিক্ষা learning
সমস্ত সংস্থান আপডেট করে চূড়ান্ত সম্পাদনা: একটি প্রকল্পের জন্য, আমি শ্রেণিবিন্যাসের জন্য মেশিন লার্নিং অ্যালগরিদম প্রয়োগ করছি। চ্যালেঞ্জ: বেশ সীমিত লেবেলযুক্ত ডেটা এবং আরও অনেক বেশি লেবেলযুক্ত ডেটা। গোল: আধা তত্ত্বাবধানে শ্রেণিবিন্যাস প্রয়োগ করুন কোনওভাবে অর্ধ-তদারকি করা লেবেলিং প্রক্রিয়া প্রয়োগ করুন (সক্রিয় শিক্ষার নামে পরিচিত) আমি গবেষণামূলক গবেষণাপত্রগুলি থেকে অনেকগুলি …
2
প্রাকৃতিক ভাষা প্রসেসিং কেন মেশিন লার্নিং ডোমেনের আওতায় পড়ে না? [বন্ধ]
যেমনটি বর্তমানে দাঁড়িয়ে আছে, এই প্রশ্নটি আমাদের প্রশ্নোত্তর বিন্যাসের জন্য উপযুক্ত নয়। আমরা উত্তরগুলি তথ্য, তথ্যসূত্র বা দক্ষতার দ্বারা সমর্থন করা আশা করি তবে এই প্রশ্নটি সম্ভবত বিতর্ক, যুক্তি, পোলিং বা বর্ধিত আলোচনার জন্য অনুরোধ করবে। আপনি যদি মনে করেন যে এই প্রশ্নটি উন্নত এবং সম্ভবত পুনরায় খোলা যেতে পারে …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.