dengsiying / K-Means-improvement
K-Means聚类算法及其改进
☆30Updated 6 years ago
Related projects ⓘ
Alternatives and complementary repositories for K-Means-improvement
- 数据预处理之缺失值处理，特征选择☆21Updated 5 years ago
- 探索性数据分析期末报告，text clustering with Kmeans/GMM/NMF☆10Updated 6 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。☆30Updated 4 years ago
- 天池零基础入门NLP - 新闻文本分类☆19Updated 4 years ago
- 机器学习的特征工程，包括特征抽取、特征预处理、特征选择、特征降维。☆24Updated 5 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）。☆89Updated 5 years ago
- 天池精准医疗大赛，糖尿病预测☆11Updated 6 years ago
- 改进的k-prototypes聚类算法☆16Updated 3 years ago
- 以聚类算法、LDA主题模型、分类器为基础，完成对Twitter语料的基于地理位置的主题事件挖掘，并对主题事件进行细粒度的情绪分析☆34Updated 6 years ago
- 基于Python实现了K-Means、GMM、DBSCAN、AGNES等四种常见的聚类算法☆66Updated 5 years ago
- 分类类别不平衡，解决办法：采样(SMOTE和算法集成技术等)、阈值移动、调整代价或权重，附带信用卡诈骗案例☆21Updated 5 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☆112Updated 5 years ago
- 使用keras框架Embedding+LSTM对短文本分类-半监督☆16Updated 7 years ago
- 现有聚类算法面向高维稀疏数据多未考虑类簇可重叠和离群点的存在，导致聚类效果不理想。针对此，提出一种可重叠子空间K-Means聚类算法(An Overlapping Subspace K-Means Clustering Algorithm, OS-K-Means)。给出类簇…☆30Updated 5 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- 机器学习练习代码及相关资料☆44Updated 5 years ago
- ☆24Updated last year
- question classification with multi-level attention mechanism 使用多层级注意力机制和keras实现问题分类☆34Updated 5 years ago
- 一个基本的多层lstm rnn模型，能实现中英文文本的二分类或多分类☆47Updated 6 years ago
- 论文基于注意力机制的卷积神经网络模型 源代码☆16Updated 7 years ago
- 文本热点挖掘，基于DBSCAN聚类模型，对文本的热点事件进行挖掘☆39Updated 4 years ago
- 使用分层注意力机制 HAN + 多任务学习 解决 AI Challenger 细粒度用户评论情感分析 。https://challenger.ai/competition/fsauor2018☆57Updated 5 years ago
- 互联网新闻情感分析赛题baseline☆42Updated 5 years ago
- CCF大数据与计算智能大赛-工件检测TOP1方案☆27Updated 4 years ago
- 疫情期间网民情绪识别代码，包含lstm，bert，xlnet，robert，最高f1为0.725 部署在Google colab☆43Updated 4 years ago
- ☆29Updated 4 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆205Updated 5 years ago
- 我们对一个知乎社交网络进行了基础属性、度分布、节点影响力、社区检测等分析操作，得到了一些有趣的结论（补充），发现了知乎社交网络的哪些特性（具体写出来）。之后，我们又做了一 个知乎兴趣内容推荐系统，对用户的兴趣偏好进行分析，为用户推荐话题、问题、答主等相关内容，取得了不错的效果…☆26Updated 5 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 5 years ago