*Kaggle案例分析：Bag of Words Meets Bags of Popcorn-part1项目表述： 这是一个关于情感分析的话题。Google的Word2Vec（文本深度表示模型）是一个由深度学习驱动的方法。旨在获取words内部的含义。Word2Vec试图理解单词之间的含义与语义关系， 它类似于recurrent neural nets(递归神经网络)或者深度神经网络, 但是计算效

栈式自编码：一．基本原理AE的原理是先通过一个encode层对输入进行编码，这个编码就是特征，然后利用encode乘第2层参数（也可以是encode层的参数的转置乘特征并加偏执），重构（解码）输入，然后用重构的输入和实际输入的损失训练参数。对于我的应用来说，我要做的首先是抽取特征。AE的encode的过程很简单，是这样的：SAE是这样的：

with open('ceshi.txt','r',encoding='utf-8') as f:data = f.read()print(data)print(type(data))Hello worldpythonWelcomeHow are you<class 'str'>with open('ceshi.txt','r',encoding='utf-8') as f:

Bag-of-words，TF-IDF模型Bag-of-words model （BoW model）忽略文本的语法和语序，用一组无序的单词（words）来表达一段文字或一个文档，近年来BoW 模型被广泛应用于计算机视觉中，与应用于文本的BoW 类比，图像的特征（feature）被当作单词（Word）。应用于文本的BoW modelJohn likes to watch movies. Mary