1回答
如何减少n元语法特征？
、、、、
当我在上面运行n-gram提取器时，我得到了17万个唯一的unigram + bigram，这是如此之多，以至于机器学习算法需要太长的时间来处理它。
我应该如何减少这些提取的特征的数量？
浏览 6提问于2017-01-31得票数 2
回答已采纳
2回答
我不理解其中的一部分()：
制作一个特征地图的热点表示。因此，我们将有64 *7*7= 3136个输入特征，这再次由一个3136个神经元处理，将其减少到1024个特征。我的意思是，使用3136个神经元将3136个输入减少到1024个特征的过程是什么？
浏览 1提问于2018-04-24得票数 0
回答已采纳
如何在countVectorizer中调整这些参数？ 单词标记 这些是单词标记的例子，但我没有，因为我的是阿拉伯语。所以我翻译了它们。他是如何在词汇中使用ngram的呢？它们不都是相互排斥的吗？
浏览 23提问于2019-05-11得票数 0
回答已采纳
我在网上搜索了二元词和一元词的文本特征提取，但仍然没有找到有用的信息，有人能告诉我它们之间的区别吗？例如，如果我有一个文本“我有一只可爱的狗”，如果我使用二元语法方法进行特征提取和一元语法提取，会发生什么？
浏览 1提问于2017-04-18得票数 13
回答已采纳
1回答
问题是:我首先在java中使用Weka API来提取n元语法特征，我可以举例说明之一是问题从这里开始: arff文件的头文件应该是这样的：@attribute
浏览 5提问于2017-01-26得票数 0
回答已采纳
1回答
我是python的新手，需要帮助！我正在练习python NLTK文本分类。以下是我在上练习的代码示例from nltk import bigramsfrom nltk import NaiveBayesClassifier for line i
浏览 0提问于2012-12-22得票数 10
回答已采纳
1回答
我有一个分类问题，为了解决这个问题，我计划使用不同的特征集，比如一元语法和二元语法，也许以后会更多。我想用这些特征集的不同组合进行实验。做这件事最好的方法是什么？
浏览 3提问于2013-03-12得票数 1
我有一组手工提取的特征。并不是所有的单词都是单独的单词；它们中的一些是二元语法，另一些是三元语法。我想要对我的文本进行建模--这些文本是以原始文本的形式明确地基于这些特征提供的。我如何在sklearn中做到这一点呢？到目前为止，我就是这样定义我的Vectorizer的。
浏览 4提问于2014-02-17得票数 0
3回答
推理时的单幅图像特征约简
、、、
在训练时，我要减少特征向量维数。我使用PCA来减少维数。pp = PCA(n_components=400).fit(features)主成分分析需要m x n数据集来确定方差。但在推理时，我只有一幅图像和相应的一维特征向量。我想知道如何在推理时减少特征向量以匹配训练维数。
浏览 5提问于2020-07-30得票数 1
回答已采纳
据我所知，在词袋方法中，特征是一组单词及其在文档中的出现频率。另一方面，N-gram，例如unigram，做了完全相同的事情，但它没有考虑一个单词的出现频率。我想使用sklearn和CountVectorizer来实现BOW和n-gram方法。对于BOW，我的代码如下所示：是否应该将'binary‘参数设置为True来执行n元语法特征选择CountV
浏览 0提问于2018-08-01得票数 5
1回答
我目前的实现使用openNLP来执行常见的自然语言处理任务，例如标记化，构建n元语法特征。我很想知道Lucene是否可以支持这些功能？
浏览 0提问于2012-12-15得票数 0
1回答
想知道是否有内置的Spark功能将1-，2-，n-gram特征组合到单个词汇表中。在NGram中设置n=2，然后调用CountVectorizer会得到一个只包含2元语法的字典。
浏览 12提问于2016-08-09得票数 9
回答已采纳
1回答
我能够成功地使用unigram作为特征进行分类。我使用的是SciKit的libSVM实现，它可以使用One-Vs-All方法执行多类分类。为了生成特征向量，我使用了一张地图。在特征向量中，如果没有停止tweet，则将map(单词)的值附加到标签0，否则将其设置为1。在这段代码的同一行中，我想知道我是否可以使用二元语法作为特征，我如何通过生成最佳二元语法和创建特征向量来实现？, n=10):
bigr
浏览 1提问于2015-05-03得票数 0
1回答
推理时的单图像特征约简: SVM
、、、、
在训练时，我要减少特征向量维数。我使用PCA来减少维数。pp = PCA(n_components=400).fit(features)主成分分析需要m x n数据集来确定方差。但在推理时，我只有一幅图像和相应的一维特征向量。我想知道如何在推理时减少特征向量以匹配训练维数。
或者，如果有人可以提出一些其他的降维技术，可用于单一图像将是非常值得赞赏的。
浏览 0提问于2020-07-30得票数 0
当我使用二元组时，我将二元组的列表附加到单元组，并将其用作我的语料库。对于三元模型，我将三元模型添加到unigram中，但忽略了二元模型。这是正确的方法吗，或者如果我想合并三元模型，那么包含二元模型会更好吗？相反，这个过程应该是:unigram -> unigram+二元语法-> unigram+二元语法+三元语法？
浏览 1提问于2018-09-18得票数 0
1回答
我试过这样做，至少对于朴素贝叶斯来说，它给了我比只有二元模型更高的准确率(尽管比一元模型低)，但我不确定这是否是一种合法的做法。我担心的一个问题是，如果这是一个适用的术语，那么存在多重共线性的可能性，即“运气”和“好运”都在最具信息量的特征列表的顶部。
浏览 0提问于2016-11-30得票数 0
2回答
我目前正在做一个项目，我正在用Xtext语法创建一个特征模型。我的任务是将语法语法转换为CSV文件，可导入eclipse插件pure::variants。 特征模型基本上是特征树。为了构建树，我使用了生成的xtext语法语法的ecore元模型。这个文件( .ecore )基本上是一个带有语法对象的XML文件。这是一致的，简单，很容易创建出树。这些类型的特征对应于基数运算符。这些操作符是用xtext<
浏览 13提问于2019-03-06得票数 0
3回答
我正在用Java编写一个小系统，在这个系统中，我从文本文件中提取n元语法特征，稍后需要执行特征选择过程，以便选择最多的鉴别器特征。单个文件的特征提取过程返回一个Map，其中包含每个唯一特征及其在文件中的出现情况。我将所有文件的Map (Map)合并为一个Map，其中包含从所有文件中提取的所有唯一特征的文档频率(DF)。目前，特征提取过程运行良好，我想执行特征选择，其中我需要实现信息增益或增益率。
浏览 1提问于2015-01-14得票数 11
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
