lda.py @L�K�U ��K�U """ Example using GenSim's LDA and sklearn. """ import numpy as np from gensim import matutils from gensim.models.ldamodel import LdaModel from sklearn import linear_model from sklearn.datasets import fetch_20newsgroups from sklearn.feature_extraction.text import CountVectorizer def print_features(clf, vocab, n=10): """ Print sorted list of non-zero features/weights. """ coef =
Choosing the right estimator# Often the hardest part of solving a machine learning problem can be finding the right estimator for the job. Different estimators are better suited for different types of data and different problems. The flowchart below is designed to give users a bit of a rough guide on how to approach problems with regard to which estimators to try on your data. Click on any estimat
今年の7月に開催されたSciPy2015の講演動画がEnthoughtのチャンネルで公開されている。今年も面白い講演が多いのでいろいろチェックしている。 今年の目標(2015/1/11)にPythonの機械学習ライブラリであるscikit-learnを使いこなすというのが入っているので、まずはscikit-learnのチュートリアルを一通り見ることにした。 Part IとPart IIを合わせると6時間以上あり非常に充実している。IPython Notebook形式の資料やデータは下記のGitHubアカウントで提供されている。ノートブックをダウンロードし、実際に手を動かしながらチュートリアルを進めると理解がより進むかもしれない。 あとで振り返りやすいように内容を簡単にまとめておきたい。 1.1 Introduction to Machine Learning 機械学習システムの流れ。教師あ
# All the function and classes of this file have been deprecated in 0.18.
Distribution Free Download* Register to get everything you need to get started on your workstation including Cloud Notebooks, Navigator, AI Assistant, Learning and more. Easily search and install thousands of data science, machine learning, and AI packages Manage packages and environments from a desktop application or work from the command line Deploy across hardware and software platforms Distrib
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