最近学习预测，先从最简单的入手，本文写最近利用机器学习中的逻辑回归算法实现的两个实际案例：1. 根据以往的申请表数据预测一个学生是否被大学录取2. 信用卡欺诈预测后边代码整理至我的github中，待续！！一、根据以往的申请表数据预测一个学生是否被大学录取数据如下：1. 数据分析通过数据分析得到数据均衡：总样本：100；正样本：60；负样本：40；由于是两个属性值...

一、LDA模型的概念什么是LDA模型？LDA模型是一种无监督的贝叶斯模型，即不需要手工标注训练集。LDA模型也是一种典型的词袋模型，即认为一篇文章由许多个词组成，词与词之间没有先后顺序。LDA模型的输入为：训练文本，指定主题个数KLDA模型的输出为：每个主题Zk由哪些词组成及每个词的概率比如：组成主题Z1的前5个词的概率：0.007*"netanyahu" + 0.007*&q

在这之前学习了使用Tensorflow框架，利用深度学习模型TextCnn和RnnAttention解决文本分类问题，这都是打基础的学习，我主要研究的是类案推送和量刑预测。所以这里我就开始踏入文本相似度计算模型的研究中。我主要参照的模板是：蚂蚁金融的一个NLP比赛。最近主要研究了LSTM模型、Bi-LSTM模型、ESSM模型、ESIM模型这四个模型。其中前边两个代码跑通了，后面两个模型还没弄透..

 1.准备安装包2. 安装python只需要注意三个地方：（1）安装路径；（2）在下面选择install for all users；（3）python环境安装；复制python的安装路径及scripts路径，如：D:\python；D:\python\Scripts；将其添加到电脑的高级环境变量的path中；步骤如下：右键我的电脑----属性---...

由于平时会用到很多的文本预处理，这里就系统的讲解一下Gensim是如何训练维基百科词向量模型的！！其中训练好的模型，也就是最终生成的 **.model 文件，可以作为预训练词向量使用。训练维基百科词向量模型的代码参见我的github：https://github.com/ly987/NLP首先简单了解一下gensim：自定义两句话，分词，以分好词的句子作为输入，使用 gensim ...