如锡如璧

用页面解析的方式从twitter爬下来的帖子时间有时候是中文的，如下： 由于时间处理的细节很多，所以在这里做一个小结，首先要明白处理的目标数据应该是24小时制，并且形式如下format = "%Y-%m-%d %H:%M:%S"也就是要将字符串转换为datetime.datetime类型 代码如下：from datetime import datetimeformat =...

-perplexity介绍-LDA确定主题的数目perplexity在对文本的主题特征进行研究时，我们往往要指定LDA生成的主题的数目，而一般的解决方法是使用perplexity来计算，原理如下(概率分布perplexity)：其中，M是测试语料库的大小，Nd是第d篇文本大小（即单词个数） 其中z是主题，w是文档，gamma是训练集学出来的文本-主题分布 所以p...

Understand doc2vecData introductionTrain a modelTest the modelCluster all the lyricsFilter out the duplicates1. Understand doc2vec [1]doc2vec是基于word2vec演化而来，其本质是要学出文档的一个表示，模型由谷歌科学家Quoc Le 和 T...

Make your model a web service (using Microsoft Azure machine learning studio)1. construct an experiment using the studio.2. Set up the web service.Run this experiment firstly and then click the bu...