목록Python (125)

무회 Blog

clustering-test00-군집분류,및 분류예측기-002,한파트흐름

In [1]: # Word2Vec embedding # from gensim.models import Word2Vec from gensim.models.word2vec import Word2Vec from gensim.models import KeyedVectors from gensim import models from collections import defaultdict from gensim import corpora from gensim import similarities from gensim.summarization import summarize import pandas as pd import time, timeit, os, sys , re , math from nltk import sent_to..
Python 2020. 7. 20. 15:50
clustering,-test00-군집분류,및 분류예측기,-001

보호되어 있는 글입니다.
Python 2020. 7. 20. 15:07
0003-scikit-learn,방식 004-003, 사이킷런 문서유사도, 3가지 방식

In [1]: from sklearn.feature_extraction.text import TfidfVectorizer, CountVectorizer, HashingVectorizer from sklearn.metrics.pairwise import linear_kernel ,cosine_similarity from konlpy.tag import Twitter twitter = Twitter() # 엑셀 vlookup 방식으로 title 과 content 내용을 출력 하기 import pandas as pd pd.options.mode.chained_assignment = None import numpy as np np.random.seed(0) # 랜덤 난수를 지정하여 사용 from collecti..
Python 2020. 7. 15. 17:50
0003-scikit-lear,방식으로 텍스트 ,코사인 유사도, 구하기-004-01

0003-scikit-lear,방식으로 텍스트 ,코사인 유사도, 구하기-004¶ scikit-learn 001 방식 체크¶ In [1]: from sklearn.metrics.pairwise import cosine_similarity a=[[1,3,2],[2,2,1]] cosine_similarity(a) # 余弦相似度 Out[1]: array([[1. , 0.89087081], [0.89087081, 1. ]]) In [2]: from sklearn.metrics.pairwise import pairwise_distances pairwise_distances(a,metric="cosine") # 注意该方法返回的是余弦距离 Out[2]: array([[0. , 0.10912919], [0.10912919..
Python 2020. 7. 14. 18:21
1차 텍스트유사도 3가지 , word2vec,doc2vec,LSI방식, 등 , 성공 src

Python 2020. 7. 14. 13:17
Prev 1 ··· 6 7 8 9 10 11 12 ··· 25 Next