漫步量化

posix system 可移植操作系统接口（Portable Operating System Interface，POSIX）是IEEE为要在各种UNIX操作系统上运行软件，而定义API的一系列互相关联的标准的总和，正式称呼为IEEE Std 1003,国际标准名称为ISO/IEC 9945. 其中，X表明其对Unix API的传承。 Linux与Windows Linux基本上逐步实...

`class sklearn.feature_extraction.text.CountVectorizer(input=’content’, encoding=’utf-8’, decode_error=’strict’, strip_accents=None, lowercase=True, preprocessor=None, tokenizer=None, stop_words=None,...

class TfidfVectorizer 官方文档 class sklearn.feature_extraction.text.TfidfVectorizer(input=’content’, encoding=’utf-8’, decode_error=’strict’, strip_accents=None, lowercase=True, preprocessor=None, toke...

sklearn.decomposition.TruncatedSVD class sklearn.decomposition.TruncatedSVD(n_components=2, algorithm=’randomized’, n_iter=5, random_state=None, tol=0.0) 采用阶段奇异值分解SVD降维。 与PCA相比，这种方式再计算SVD之前不指定数据中心...

本文系转载，原文链接。 本文主要介绍自然语言处理（Natural Language Processing：NLP）中的一些最基础的概念，可以帮助读者在整体上感知这一领域，算是一篇入门读物。 词库 Vocabulary，表示所有词的集合。一般而言，经过one-hot encoding之后的向量的长度即为词库的大小。 语料库 Corpus，由词库里所有的词组成的句子，短语等语料信息，可以简单理解为...

GloVe: Global Vectors for Word Representation1 进行词的向量化表示，使得向量之间尽可能多的蕴含语义和语法的信息。 GloVe是一个基于全局词频统计（count-based & overall statistics）的词表征（word representation）工具，它可以把一个单词表达成一个由实数组成的向量，这些向量捕捉到了单词之间一些语义...