At a glance: Cross-validation of the "perplexity" from a topic model, to help determine a good number of topics. 05 Jan 2017 Determining the number of “topics” in a corpus of documents In my last post I finished by topic modelling a set of political blogs from 2004. I made a passing comment that it’s a challenge to know how many topics to set; the R topicmodels package doesn’t do this for you. The
はじめに 多変数の回帰モデルをやろうとしており、数ある機械学習の手法をいくつかピックアップして、精度を比較検証したい。 scikit-learnというPythonの機械学習ライブラリには、色々と実装されており便利なので、サクッと使ってやってみた。 まずデモ Examplesで紹介されているのが以下、 import numpy as np from sklearn.svm import SVR import matplotlib.pyplot as plt %matplotlib inline # インプットを乱数で生成 X = np.sort(5 * np.random.rand(40, 1), axis=0) # アウトプットはsin関数 y = np.sin(X).ravel() # アウトプットにノイズを与える y[::5] += 3 * (0.5 - np.random.rand(
はじめてこのサイトに来られたみなさまに ≫ サイト内容の引用または転載について ≫ 無断転載はご遠慮ください。リンクはご自由になさって下さい。 掲載内容については各自の責任において利用してください。当方では責任を負いません。引用の際は引用元を明記くださるようお願いいたします。詳しくはこちらをご覧下さい。 テレビドラマデータベース利用規約 ≫ テレビドラマデータベース全文検索について ≫ この全文検索システムは、Q'z Creative co.,ltd.より開発・提供を受けています。 なお、テレビドラマデータベースの掲載内容へのお問い合わせにつきましては、インフォメーションの欄をご確認ください。 参考文献:『テレビドラマ全史』(東京ニュース通信社刊、現在は品切れ)。このほかの引用につきましては個別の解説欄に明記しております
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く