Seal_Wings的博客

阅读中会使用的数据：deck.csv数据百度云链接提取码：6qsycards.csv数据百度云链接提取码：fnqd读书与代码实现片段整理笔记R语言入门与实践&R语言基础提取码：o2sq...

# -*- coding: utf-8 -*-'''02 feature_engineering===分词与词性标注=====分词基本方法==基于词典的方法 最大匹配法：利用索引加速，正向/逆向【汉语更有效】/双向最大匹配，最佳匹配（词典中的单词按照他们在文本种出现频次的大小）、联想-回溯法 最大概率法：（1）一个待切分的汉字串可能包含多种分词结果（2）将其中概率最大的那个作为该...

# -*- coding: utf-8 -*-'''01 introduction语言难点：文本不是给计算机阅读的复杂的语言结构（语法、语义、语用）歧义（更困难的）多语言KDD算法难点海量（大规模的数据集）高维时效性（随时间变化的数据和知识）噪音数据挖掘出的模式的可理解性'''...