1回答
据我所知，如果我们只有一个特征，那么高斯NB (朴素贝叶斯分类)和LDA (线性判别分析)应该给出相同的结果。 但是我没有成功地使用scikit learn。X, y = make_blobs(n_samples=20, centers=2, n_features=1,gnb = GaussianN
浏览 26提问于2020-07-22得票数 1
1回答
线性判别分析与朴素贝叶斯
、、、、
在机器学习分类方面，LDA与朴素贝叶斯的优缺点是什么？我知道一些区别，比如朴素贝叶斯假设变量是独立的，而LDA是高斯类条件密度模型，但是我不知道什么时候使用LDA，什么时候使用NB取决于具体情况？
浏览 2提问于2017-09-25得票数 8
我有大量的图片，我想使用LDA。但是，它需要太多的内存，所以我想知道是否可以使用sklearn实现或其他库来实现学习增量？
浏览 0提问于2017-03-05得票数 4
2回答
我使用scikit-learn的LDA函数做了一些LDA，在我得到的图表中我注意到LDs之间有一个非零的相关性。from sklearn.lda import LDAtransf_lda = sklearn_lda.fit_transform(我还在scikit文档中找到了同样的非零相关LDA图
浏览 9提问于2014-07-28得票数 7
回答已采纳
我在scikit中使用了不同版本的TF下手，学习对一些文本数据建模。matrix of type '<type 'numpy.float64'>'我想用LDA是否有一种简单的方法将NumPy稀疏矩阵X输入到gensim LDA模型中？lda = models.ldamodel.LdaMod
浏览 0提问于2013-10-21得票数 8
回答已采纳
here 或here 中的代码只有在我使用MultinomialNB时才有效。否则，我如何计算或检索我的两个类(错误=1或错误= 0)中每个类的最重要特征？
浏览 1提问于2018-11-28得票数 5
2回答
到目前为止，我所做的是加载正面评论，并将每个单词以及每个单词出现的频率存储在字典中。然后，我将每个词频除以正文件夹文件中的总词数。我对负片文件夹也做了同样的事情。
我现在被困在了下一步该去哪里。
浏览 1提问于2016-11-06得票数 0
1回答
我有一个文档集合，其中可能有与它们相关的潜在主题。每个文档可能与一个或多个主题相关。我有一个所有可能的“主题”/categories的主文件和对这些主题的描述。我正在寻求创建一个模型来预测每个文档的主题。
浏览 1提问于2017-10-26得票数 0
通过使用Gensim执行LDA，我能够使用以下方法进行初始文本预处理和清理：它非常高效，几乎可以在一个命令中进行所有形式的文本清理。现在，我正在尝试使用Scikit LDA来学习LDA，我想知道是否有类似的方法来使用Sci-kit学习来实现相同的预处理，而不是必须加载两个库。
浏览 1提问于2022-03-27得票数 0
我将跟随scikit学习LDA示例，并试图了解我如何(如果可能的话)能够(如果可能的话)显示出有多少文档被标记为每个主题都有。我一直在查看LDA模型的文档，但不知道从哪里可以得到这个号码。以前有没有人能用科学学习来做到这一点？
浏览 2提问于2016-02-07得票数 6
回答已采纳
1回答
我正在寻找一本关于无监督学习的好书，它超越了典型的k均值和分层聚类算法。目前我在零售业工作，所以我感兴趣的典型用例是客户细分，产品细分。
有什么想法吗？
浏览 0提问于2018-04-30得票数 3
1回答
我试图通过使用GPyTorch来拟合Gaussian Process Regression模型来学习高斯过程。但是，我无法找到一种方法来组合不同的内核，如高斯过程的sklearn实现所示。我使用的是GPyTorch，因为它更灵活，与scikit-learn相比，它有更多可以使用的内核。任何帮助，特别是对代码片段的帮助都是非常有用的。
谢谢。
浏览 0提问于2019-05-10得票数 0
回答已采纳
3回答
我读到过，最常见的主题建模技术(从文本中提取可能的主题)是潜在狄利克雷分配(LDA)。
然而，我感兴趣的是，尝试使用Word2Vec进行主题建模是否是一个好主意，因为它在向量空间中对单词进行聚类。
浏览 3提问于2015-10-07得票数 19
我正在尝试Gensim和SciKit learn (Python3)中的主题建模，我想了解更多关于在这两个包中调整超参数的信息。我在GITHUB上找到了一些相关的讨论，例如"optimize hyperparameters as part of LDA training"，但没有完整的文档。我甚至不确定在SciKit学习中超参数优化是不是可能的。 我非常感谢你的链接或书籍推荐。
浏览 31提问于2021-01-20得票数 0
2回答
我正在尝试使用SciKit和一个大型数据集(250.000条推特)进行文本分类。对于该算法，每个tweet将表示为一个4000 x 1向量，因此这意味着输入为250.000行和4000列。当我试图在python中构建它时，我在8500条tweet之后(在处理一个列表并追加它)之后内存不足，当我预先分配内存时，我只得到了错误：MemoryError (np.zeros(4000,2500000SciKit不能处理这些大型数据集吗？我是不是做错了什么(因为这是我第二天和蟒蛇在一起)？是否有其
浏览 6提问于2012-12-06得票数 2
回答已采纳
例如，目前我使用它来加载一个MultinomialNB模型 from sklearn.naive_bayes import MultinomialNB
nb = MultinomialNB(alphareturn model 因此，当我执行get_model("MultinomialNB")时，对于上面的代码，我会得到与nb相同的对象。在Scikit中实现了什么-为此学习吗？
浏览 18提问于2019-04-30得票数 0
我已经使用了scikit-学习执行LDA主题建模，我最终想按整个语料库的显着性/频率对主题进行排序，但我不知道如何做到这一点。vectorizer = countVectorizer() # Fit LDA modelLDA = LatentDiric
浏览 0提问于2021-07-28得票数 1
回答已采纳
我正在学习机器学习，最近我研究了使用线性判别分析对线性可分数据进行分类。为此，我使用了scikit-learn包和函数关于MNIST手写数字数据库中的数据。我已经使用数据库来拟合模型并对测试数据进行预测，方法如下：LDA_fit(data,labels)它工作得很好。虽然线性判别分析
浏览 3提问于2018-12-21得票数 1
我用下面的命令训练了一个LDA模型，需要了解如何保存它。lda_model = LatentDirichletAllocation(n_components=25, random_state=100)AttributeError：“LatentDirichletAllocation”对象没有属性“保存”训练模特花了16个小时。
浏览 0提问于2019-09-13得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
