2016年11月_悟乙己

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月

原创 R︱shiny实现交互式界面布置与搭建（案例讲解+学习笔记）

看了看往期的博客，这个话题竟然是第一次涉及，还真是学无止境啊。 Web Service 这个概念比较成功了，在SOAP服务之后， Restful服务的普及，使得数据库的CRUD操作通过网络无限延伸。普遍的好处是： 1）你不需要安装任何程序，携带数据，只要有网的地方，你就能演示。（远程） 2）只要安装一次，可以多人使用，可以让别人试用。（多用户）

2016-11-30 17:59:04 42556 2

原创 R︱Linux+Rstudio Server尝鲜笔记（打造最佳Rstudio体验+报错的解决方案）

Rstudio Server 是Rstudio开发的基于R语言的网页版（只能在Linux），你在手机上都可以运行R，还是挺方便的。就是配置起来有点麻烦。官方下载链接：https://www.rstudio.com/products/rstudio/download-server/————————————————————————————————1、为啥笔者觉得Rstudio Server

2016-11-29 12:17:06 11529

原创 R︱foreach+doParallel并行+联用迭代器优化内存+并行机器学习算法

接着之前写的并行算法parallel包，parallel相比foreach来说，相当于是foreach的进阶版，好多东西封装了。而foreach包更为基础，而且可自定义的内容很多，而且实用性比较强，可以简单的用，也可以用得很复杂。笔者将自己的学习笔记记录一下。R︱并行计算以及提高运算效率的方式(parallel包、clusterExport函数、SupR包简介)——————————————————

2016-11-26 15:11:08 12492 1

原创 R语言︱贝叶斯网络语言实现及与朴素贝叶斯区别（笔记）

每每以为攀得众山小，可、每每又切实来到起点，大牛们，缓缓脚步来俺笔记葩分享一下吧，please~——————————————————————————— 一、贝叶斯网络与朴素贝叶斯的区别朴素贝叶斯的假设前提有两个第一个为：各特征彼此独立；第二个为且对被解释变量的影响一致，不能进行变量筛选。但是很多情况这一假设是无法做到的，比如解决文本分类时，相...

2016-11-26 00:04:06 24943 15

原创重磅︱文本挖掘深度学习之word2vec的R语言实现

笔者寄语：2013年末，Google发布的 word2vec工具引起了一帮人的热捧，大家几乎都认为它是深度学习在自然语言领域的一项了不起的应用，各种欢呼“深度学习在自然语言领域开始发力了”。基于word2vec现在还出现了doc2vec，word2vec相比传统，考虑单词上下文的语义；但是doc2vec不仅考虑了单词上下文的语义，还考虑了单词在段落中的顺序。———————————

2016-11-25 23:33:11 26628 2

原创 R语言·文本挖掘︱Rwordseg/rJava两包的安装（安到吐血）

每每以为攀得众山小，可、每每又切实来到起点，大牛们，缓缓脚步来俺笔记葩分享一下吧，please~——————————————————————————— R语言·文本挖掘︱Rwordseg/rJava两包的安装笔者：文本挖掘中这两个包可谓是“老顽固”，做文本挖掘必须要过的关卡，今天倒腾了一天，桌面下了一堆东西，终于弄出来了。故此，赶紧记录下来，以后可用：关于这...

2016-11-25 23:24:56 40433 9

原创 R语言︱噪声数据处理、数据分组——分箱法（离散化、等级化）

分箱法在实际案例操作过程中较为常见，能够将一些数据离散化，等级化，比如年龄段，我们并不想知道确切的几岁，于是乎可以将其分组、分段。基础函数中cut能够进行简单分组，并且可以用于等宽分箱法。cut函数：cut(x, n)：将连续型变量x分割为有着n个水平的因子[plain] view plain copy print?cut(x,

2016-11-25 17:06:55 41706

原创 NLP+词法系列（一）︱中文分词技术小结、几大分词引擎的介绍与比较

笔者想说：觉得英文与中文分词有很大的区别，毕竟中文的表达方式跟英语有很大区别，而且语言组合形式丰富，如果把国外的内容强行搬过来用，不一样是最好的。所以这边看到有几家大牛都在中文分词以及NLP上越走越远。哈工大以及北大的张华平教授（NLPIR）的研究成果非常棒！但是商业应用的过程中存在的以下的问题：1、是否先利用开源的分词平台进行分词后，再自己写一些算法进行未登录词、歧义词的识别？2、或

2016-11-25 14:02:06 48388 2

原创 R+NLP︱text2vec包——四类文本挖掘相似性指标 RWMD、cosine、Jaccard 、Euclidean （三,相似距离）

在之前的开篇提到了text2vec，笔者将其定义为R语言文本分析"No.1"，她是一个文本分析的生态系统。笔者在学习之后发现开发者简直牛！基于分享精神，将自学笔记记录出来。开篇内容参考：重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介）R+NLP︱text2vec包——BOW词袋模型做监督式情感标注案例（二,情感标注）text2vec中包括了四大类距离：Cosi

2016-11-22 15:35:45 16440 1

原创 R+NLP︱text2vec包——BOW词袋模型做监督式情感标注案例（二,情感标注）

在之前的开篇提到了text2vec，笔者将其定义为R语言文本分析"No.1"，她是一个文本分析的生态系统。笔者在学习之后发现开发者简直牛！基于分享精神，将自学笔记记录出来。开篇内容参考：重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介）文档可以以多种方式表达，单独词组、n-grams、特征hashing化的方法等。一般来说文本分析的步骤有

2016-11-21 18:36:23 13282 5

原创 win10系统搭建虚拟机：VMware Workstation Player 12环境+Ubuntu Kylin 16.04 LTS系统

笔者小白一枚，其实连虚拟机是个啥都不知道...实属惭愧，介于此所以今天倒腾了一下花了一上午就已经搭建好一个VMware Workstation Player 12免费版的，很哈皮，于是赶紧分享一下。问题1：win10自带的虚拟机去哪儿了？笔者自用win10系统，就在苦恼win10好像听说过有自带的虚拟机hyper-v，我的笔记本里面怎么没有呢？那么win10系统的虚拟机跑哪儿了呢？

2016-11-19 15:52:20 10709

原创重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介）

词向量的表示主流的有两种方式，一种当然是耳熟能详的google的word2vec，还有一类就是GloVe。那么前面一类有三个开源的包，后面这一类我倒是看到得不多，恰好是在我关注了许久的一个包里面有，它就是text2vec啦。该包提供了一个强大API接口，能够很好地处理文本信息。本包是由C++写的，流处理器可以让内存得到更好的利用，一些地方是用RcppParallel包进行并行化加乘，

2016-11-14 18:35:50 11576 2

原创 R︱Rstudio 1.0版本尝鲜（R notebook、下载链接、sparkR、代码时间测试profile）

2016年11月1日，RStudio 1.0版本正式发布！这是自2011年2月RStudio发布以来的第10个主要版本，也是更新最大的一次。主要亮点如下：1.R Notebooks 的辅助工具2.对sparklyr包的集成支持（R与Spark连接）3.profvis包进行性能分析4.基于readr/readxl/haven，优化数据读取5.R Markdown的辅助工具（websites和book

2016-11-02 15:43:17 6330