Snowing-ST / Exploring-Data-AnalysisLinks
探索性数据分析期末报告,text clustering with Kmeans/GMM/NMF
☆13Updated 6 years ago
Alternatives and similar repositories for Exploring-Data-Analysis
Users that are interested in Exploring-Data-Analysis are comparing it to the libraries listed below
Sorting:
- 文本分类-文本挖掘-情感分析-文本生成实战☆14Updated 2 years ago
- 以京东评论作为数据集,使用常见的机器学习算法如KNN、SVM、逻辑回归、贝叶斯、xgboost等等算法进行分类。使用深度学习中的CNN、RNN、CNN和RNN连接、Bi-GRU、bert模型进行分类。使用fastnlp的框架搭建文本分类。☆32Updated 4 years ago
- 基于pytorch进行文本多分类,主要模型为双向LSTM,预测准确率83%☆44Updated 5 years ago
- 使用k-means算法实现对用户金融数据的聚类分析☆11Updated 6 years ago
- 新浪微博#新冠疫情话题 舆情分析与话题热度预测☆20Updated 4 years ago
- 某电商手机评论的文本挖掘初体验 功能板块:数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆122Updated 6 years ago
- 一个垃圾短信识别系统——国科大网络数据挖掘(徐君)课程设计☆33Updated 6 years ago
- 2020年第八届泰迪杯数据挖掘C题“智慧政务文本挖掘”特等奖作品(论文与代码)☆67Updated 4 years ago
- 基于朴素贝叶斯实现的豆瓣影评情感分析☆100Updated 4 years ago
- 基于电影评论数据的中文情感分析(含训练数据、验证数据) Machine Learning and Deep Learning implementations.☆79Updated 2 years ago
- 机器学习方法进行中文电影评论的情感分析☆30Updated 8 years ago
- 逻辑回归预测违约可能☆32Updated 7 years ago
- 非结构化课程作业,包括社交网络、链路预测、数据流、文本分析☆23Updated 6 years ago
- [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩☆45Updated 6 years ago
- 基于知识图谱与人工神经网络的简历推荐系统☆84Updated last year
- 京东评论情感分析模型,主要包括1、数据获取及探索性分析;2、文本预处理、文本分词、文本向量化、特征提取、☆80Updated 6 years ago
- 整理记录本人担任课程助教设计的四个机器学习实验,主要涉及简单的线性回归、朴素贝叶斯分类器、支持向量机、CNN做文本分类。内附实验指导书、讲解PPT、参考代码,欢迎各位码友讨论交流。☆115Updated 7 years ago
- 情感分析三分类☆29Updated 10 months ago
- 数据挖掘大作业, 东野圭吾小说集文本挖掘☆69Updated 8 years ago
- 🤖机器学习实战🤖:决策树、随机森林线性回归、逻辑回归、贝叶斯、kNN等☆26Updated 5 years ago
- K-Means聚类算法及其改进☆32Updated 7 years ago
- 通过python爬虫获取人民网、新浪等网站新闻作为训练集,基于BERT构建新闻文本分类模型,并结合node.js + vue完成了一个可视化界面。☆44Updated 3 years ago
- 基于Python实现了K-Means、GMM、DBSCAN、AGNES等四种常见的聚类算法☆69Updated 6 years ago
- 根据用户数据以及消费行为数据,使用Python建立分类模型,通过评估客户流失的风险来预测客户流转情况,找到对客户影响较大的因素,进而挽留客户☆10Updated 4 years ago
- 本次数据分析基于阿里云天池数据集(用户行为数据集),使用转化漏斗,AARRR模型,对常见电商分析指标,包括转化率,PV,UV,留存率,复购率等进行分析,分析过程中使用python进行数据清洗及可视化。☆30Updated 5 years ago
- 推特评论的情感分析☆14Updated 7 years ago
- 银行客户流失预警模型☆44Updated 7 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征,分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT(梯度提升决策树)。☆94Updated 6 years ago
- 电影评论情感分析,利用LSTM进行分类,数据集为IMDB情感分析数据集,使用已经训练好的词典向量模型☆25Updated 6 years ago
- Kaggle:入门赛Tatanic(泰坦尼克号)84.21%带你冲进前2%☆54Updated 6 years ago