第 7 章 处理文本数据Python机器学习基础教程

Posted 2022-01-04 YOLO V9

第 7 章　处理文本数据

表示数据属性的三种类型的特征：
1）连续特征：用于描述数量；
2）分类特征：固定列表中的元素；
3）文本特征：

• 如果我们想要判断一封电子邮件是合法邮件还是垃圾邮件，那么邮件内容一定会包含对这个分类任务非常重要的信息。
• 我们可能想要了解一位政治家对移民问题的看法。这个人的演讲或推文可能会提供有用的信息。
• 在客户服务中，我们通常想知道一条消息是投诉还是咨询。我们可以利用消息的主题和内容来自动判断客户的目的，从而将消息发送给相关部门，甚至可以发送一封全自动回复。

7.1　用字符串表示的数据类型

7.2　示例应用：电影评论的情感分析

7.3　将文本数据表示为词袋

7.3.1　将词袋应用于玩具数据集

7.3.2　将词袋应用于电影评论

7.4　停用词

7.5　用 tf-idf 缩放数据

7.6　研究模型系数

7.7　多个单词的词袋（n 元分词）

7.8　高级分词、词干提取与词形还原

7.9　主题建模与文档聚类

7.10　小结与展望