分布式Dirichlet分配的在线可变贝叶斯
Matthew D. Hoffman和 Michael Li
（C）版权所有2010，Matthew D. Hoffman
这是免费软件，您可以根据GNU通用公共许可证的条款重新分发和/或修改它。
GNU通用公共许可证不允许在专有程序中重新分发此软件。
分发该软件是希望它会有用，但没有任何保证； 甚至没有对适销性或特定用途适用性的暗示保证。
您应该已经与该程序一起收到了GNU通用公共许可证的副本； 如果不是，请写信给美国自由软件基金会公司，地址：59 Temple Place，Suite 330，波士顿，马萨诸塞州02111-1307
该Python代码实现了由Matthew D. Hoffman，David M. Blei和Francis Bach撰写的论文“潜在狄利克雷分配的在线学习”中提出的在线变异贝叶斯（VB）算法，该算法
2022-10-16 11:19:16
58KB
1
LDA-math 的汇总， "LDA数学八卦.pdf" 我整理贴出来了， 希望对大家理解 LDA 有帮助。 文章标题挂上“八卦”两字， 因为八卦意味着形式自由、不拘束、可以天马行空，细节处理上也难免有不严谨的地方；当然我也希望八卦是相对容易理解的。
2022-09-30 16:24:48
1.85MB
1
通过动态抓取互联网上关于网络安全的文章，然后通过LDA训练生成并提取热点关键词，最后通过echarts展示在前端页面
2022-09-26 16:05:17
1.13MB
1
Java，LDA（Latent Dirichlet Allocation）源代码，可以实现分词、去除停用词功能。
2022-09-19 22:01:17
4.7MB
Word2Vec和LDA
使用Word2Vec和LDA和Humır数据集进行文本分析（正负）的示例
通常，我们将经历4个主要步骤（我将按照自己的步骤添加这些步骤）；
功能控制
特征创建
模型训练
选型
1）功能控制
我们快速探索将要使用的数据集的阶段；
读取数据
提供列名
以5个内容为例
学习行数和列数
学习有关数据集的一般信息（信息，描述）
一些列的内容中有多少个不同的值
分离我们不会在数据集中使用的数据
将数据集分离为训练和测试
在数据集的测试部分中学习信息
在数据集训练部分中学习信息
可视化正面和负面评论的数量
可视化注释中使用的单词的数字分布
评论和包含250个以上单词的评论中使用的最大，最小，平均单词数
浏览带有1、2、3个字的评论
2）特征创建
自然语言处理中通常的方法是先清除文本。 当两个不同的词表达相似的事物时，我们必须确保我们的模型理解相似性。 我
2022-09-04 21:55:16
254KB
1
加速度计-生物识别
通过加速度计数据识别移动设备的用户（kaggle上的“加速度计生物识别竞赛”）
“ CS 725：机器学习基础”的课程项目
#Description：您可以在找到问题陈述的描述
＃如何运行代码：
假设：您将train.csv和test.csv与其他项目文件放在同一文件夹中
运行device_count.py
运行extractMeanVar.py
运行trimmingdata.py
现在，您可以执行任何分类器代码。 只需在同一文件夹中查找所需文件即可。
＃我们的方法我们设计了以下解决问题的方法：
朴素贝叶斯
最近的邻居
二次判别分析（类似于LDA）
支持向量机
＃与每种方法相关的文件：
1]朴素贝叶斯
1. extractMeanVar.py
2. naive_bayes.py
3. naive_bayes_Random.py
2]最近的邻居
1. t
2022-08-16 19:47:24
10KB
1