《Head First 设计模式》读书备忘笔记，整合了一些网上资料，记录了所有常见的算法模式实现的示例。适合有一定Java基础和设计模式的读者，若无基础建议先看《Head First 设计模式》，是一本很好的入门资料。设计原则：找出应用中可能需要变化之处，把它们独立出来，不要和那些不需要变化的代码混在一起。设计原则：针对接口编程，而不是针对实现编程。设计原则：多用组合，少用继承。设计原则：为了交互
转载
2024-01-10 23:09:10
31阅读
三层架构，我们一般说的三层架构通常指的是：1、表现层(UI)：就是展现给用户的界面，无论是网站前台还是应用程序界面；2、业务逻辑层(BLL)：针对具体问题的逻辑操作；3、数据访问层(DAL)：对数据进行操作。其他的层级基本都是在这三层之上的补充。UI(User Interface)表示层：就是我们看到的网站前台、应用程序界面。BLL(Business Logic Layer)业务逻辑层：主要是针对
转载
2024-07-13 07:18:25
25阅读
LAD线性判别分析鸢尾花预测文章目录LAD线性判别分析鸢尾花预测数学原理代码实现数学原理代码实现#!/usr/bin/env python# -*- coding: utf-8 -*-# @File : LDA.py# @Author: Gowi# @Date : 2021/3/25# @Desc :import pandas as pdimport numpy as np# 计算协方差矩阵def Sigma(Iris, u): s = np.zeros
原创
2021-05-20 07:20:50
1684阅读
LDA全称为Latent Dirichlet Allocation，是现在文本分析中经常用到的也特别受欢迎的一种概率性主题模型。目前主要文本分类，同时在NLP领域也有十分重要的应用。LDA模型的常见用途LDA的作用就是根据每个文档的用词用句规律，找出文档背后隐藏的多个主题。简单来说，我们人类写文章都是根据主题来创作，而LDA就是根据已写好的文章来反推出主题。通过LDA可以摒弃其他信息，然后提取出重
转载
2023-05-23 15:14:57
1166阅读
隐含狄利克雷分配（LDA，Latent Dirichlet Allocation）是一种主题模型(Topic Model，即从所收集的文档中推测主题)。 甚至可以说LDA模型现在已经成为了主题建模中的一个标准，是实践中最成功的主题模型之一。那么何谓“主题”呢？，就是诸如一篇文章、一段话、一个句子所表达的中心思想。不过从统计模型的角度来说， 我们是用一个特定的词频分布来刻画主题的，并认
转载
2024-04-29 17:37:15
163阅读
最近在搞文本主题相关的东西，所以花了很多时间研究LDA主题模型。个人感觉这个模型应用广泛，但是数学原理相对复杂，涉及到的数学公式比较多。下面总结一下。传统判断两个文档相似性的方法是通过查看两个文档共同出现的单词的多少，如TF-IDF等，这种方法没有考虑到文字背后的语义关联，可能在两个文档共同出现的单词很少甚至没有，但两个文档是相似的。相对于文本相似，文本相似主要是根据字符串的匹配程度进行判断的，
转载
2024-04-25 18:43:44
102阅读
Python 编程进阶
1.不使用中间变量，交换两个变量 a 和 b 的值2.Lambda 函数是什么，举例说明的它的应用场景3.说说 Python 中的浅拷贝和深拷贝4.Python 是如何实现内存管理的？5.说一下你对 Python 中迭代器和生成器的理解6.正则表达式的 match 方法和 search 方法有什么区别？7.Python 中为什么没有函数重载？8.对于 Py
转载
2024-05-31 06:50:23
62阅读
今天来给大家分享一些这几天所学的基础知识IDLE集成开发和学习环境，是Python的集成开发环境（python shell）外壳 当计算机安装python后，win+R打开运行窗口，输入idle可直接打开python编辑器供大家练习小命令与一些基本常识首先是print（打印，输出）大部分计算机语言都是使用这个命令来显示出内容的 python中print显示的格式为print（" "） 例如：输入
转载
2024-05-17 00:48:24
93阅读
简介所谓分析，通常都是指从数据中获取“信息”。近来，随着数据迅猛增长——其中绝大多数数据是非结构的，要想获得相关想要的信息变成越来越困难。庆幸地是，与此同时出现了一些强大的方法来帮助我们从这些数据中抽取出我们想要的信息。文本挖掘领域中这样相关的一种技术是主题建模。正如其名，主题建模能够从一个文本对象中自动识别它的主题，并且发现隐藏的模式。这些能够帮助做出更好的决策。主题建模和那些基于规则的文本挖掘
转载
2023-08-30 09:40:27
199阅读
# Python 主题分析
## 概述
在进行主题分析之前，我们首先需要了解什么是主题分析。主题分析是一种文本挖掘技术，它可以通过分析一系列文档的内容，提取出这些文档中的主题信息。在Python中，我们可以利用一些开源的库来实现主题分析，其中最常用的是`gensim`和`scikit-learn`。
在本文中，我将教会你如何通过Python实现主题分析。我将按照以下步骤进行讲解，并给出相应的代
原创
2023-09-29 20:15:27
239阅读
## Python LDA（Latent Dirichlet Allocation）主题分析
### 简介
在自然语言处理和文本挖掘领域，LDA 主题分析是一种用于发现文本主题和词语分布的统计模型。Python 提供了一些强大的库和工具，可以很方便地进行 LDA 主题分析，比如 `gensim` 库。在本文中，我将向你介绍如何使用 `gensim` 库实现 LDA 主题分析。
### 整体流程
原创
2023-07-21 00:09:24
143阅读
这是一篇关于`PLC`编程的文章，特别是关于西门子的博图软件。我并不是专业的`PLC`编程人员，也不懂电路，所以如果你希望从这里学习`PLC`编程技术，可能会有些
原创
2024-02-27 09:47:10
272阅读
SparkStreaming中的reduceByWindow窗口操作: 统计当前10S长度窗口中的数,每隔5S接收的数据格式是:楼下的也是用的以下数据112package spark.streaming.sparkStreaming.havaState
import kafka.serializer.StringDecoder
import org.apache.spark.Spar
转载
2024-01-12 06:39:28
42阅读
做出的词云图如下 在应用python词云前，需要一些必要的准备工作 第一，我们需要知道python词云是什么？ python词云是用字体的大小展示数据应用次数多少的工具，字体越大，代表着数据应用次数越多，反之亦然。 下面图片大家感受一下 在数据分析中，我们常用词云来分析群众对一个事物的印象 比如第一张图片中，对西安的印象第一眼最明显的就是西安和兵马俑，用词云将数据可视化能够使数据更加直观明显
转载
2024-01-12 13:35:59
23阅读
主题建模可以帮助开发人员直观地理解和探索数据，以便更好地挖掘语料库中的主题。成功的主题建模需要多次迭代：清洗数据、读取结果、相应地调整预处理并重试。本文通过分析国家领导人从2014年到2021年的新春贺词的主题，对文本数据进行预处理，建立主题模型，模型验证，模型可视化等操作，最后通过主题模型总结出从中获得的信息。具体实现过程如下：1、数据预处理本文的文本数据为国家领导人从2014年到2021年的新
转载
2023-10-24 08:40:37
153阅读
本文主要是将论文《Using thematic analysis in psychology》中的内容进行了简要记录。定义什么是thematic analysis? 文中给出的定义是：Thematic analysis is a method for identifying, analysing, and reporting patterns (themes) within data. It mi
转载
2024-03-26 09:42:22
136阅读
Jupyter Notebook 想必大家都不陌生了，数据分析或机器学习数据探索时特别方便。最近对它的颜值越来越不满意，尤其是晚上，感觉很刺眼，于是就换个暗点的主题。可能有同学还不了解 Jupyter Notebook 可以换主题，这里就简单介绍一下，下面我列出了常用的几个主题效果。如果有喜欢的可以安装试试，如无，可 Ctrl + w 文章目录技术提升安装主题库查看可用主题切换主题tips 技术提
转载
2023-10-08 14:34:50
65阅读
前文摘要：
微博热门话题：#中印双方达成五点共识# 阅读量2.4亿，讨论7430条。
1、数据采集，使用python+selenium,采集该话题下的博文及作者信息，以及每个博文下的评论及作者信息；
2、数据预处理，采用Jieba库，构建用户词典，以达到更好的分词；情感分析，采用snownlp库，寻找政治类积极和负面词向量做一个训练，再进行评论分类；
3、对博文及评论作者信息进行分析，查看调
转载
2023-06-27 10:37:47
135阅读
Python 是一种解释型、面向对象、动态数据类型的高级程序设计语言。
Python 由 Guido van Rossum 于 1989 年底发明，第一个公开发行版发行于 1991 年。python发历史Python 是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
Python 是交互式语言： 这意味着，您可以在一个 Python 提示符 &
转载
2024-06-18 21:25:55
41阅读
概念主题：自动将文本语料库编码为一组具有实质性意义的类别主题分析的典型代表：隐含狄利克雷分布（LDA）LDA最明显的特征：能够将若干文档自动编码分类为一定数量的主题。主题数量需要人为确定主题数量原理通过对比新旧文档来判断模型的好坏，然后在不同参数的很多模型找到最优模型。 代码导入sklearn模块：from sklearn.feature_extraction.text im
转载
2023-11-09 23:12:07
193阅读
