NLTKを使って情報利得を計算 - Qiita

テクノロジーカテゴリーの変更を依頼記事元:

qiita.com/tma15

4users がブックマークコメント

コメント

0

記事へのコメント0件

注目コメント
新着コメント

新着コメントはまだありません。
このエントリーにコメントしてみましょう。

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

NLTKを使って情報利得を計算 - Qiita

from math import log from nltk.util import ngrams from nltk.tokenize import word_tokenize from nl... from math import log from nltk.util import ngrams from nltk.tokenize import word_tokenize from nltk.probability import ConditionalFreqDist from nltk.probability import FreqDist def information_gain(labeled_documents): ig = {} labeldist = FreqDist() docnumdist = FreqDist() cldist = ConditionalFreqDist() n = 1 for (label, doc) in labeled_documents: labeldist.inc(label) unigrams = set(ngrams(word_tok

python

ブックマークしたユーザー

satojkovic2013/10/14
penguin_892012/02/20
kshimo692012/02/20
shoma2012/02/20

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

いま人気の記事 - 企業メディア

企業メディアをもっと読む

設定を変更しましたx