热门标签
热门文章
- 1Appium原理解析_appium with no body
- 2SSIST 2016 参会总结--day2_ssis 2016
- 3Docker中的Nginx配置代理实现不同url访问多个vue项目_docker 配置url跳转
- 4XMLHttpRequest设置超时时间_xmlhttprequest 超时时间
- 5线程同步（二）_linux之线程同步二头歌答案
- 6Android 实现顶层窗口、浮动窗口_windowmanager addview怎么把窗口再次移到最上层
- 7Rust 函数体内能定义数据类型或者做其他什么事情吗？
- 8把vim当做golang的IDE
- 9Flex布局详细解析_flex 布局
- 10ROM RAM FLASH说明_ram flash 自刷新 待机模式
当前位置: article > 正文
sklearn文本特征预处理2:Similarity, 聚类, LDA, word2vec_sklearn中word2vec文本特征提取并分类预测
作者：Cpp五条 | 2024-04-02 19:30:24
赞
踩
sklearn中word2vec文本特征提取并分类预测
接上一篇<sklearn文本特征预处理1: WordPunctTokenizer, CountVectorizer, TF-IDF>
五. Similarity特征
# 余弦相似度
from sklearn.metrics.pairwise import cosine_similarity
similarity_matrix = cosine_similarity(tv_matrix)
similarity_df = pd.DataFrame(similarity_matrix)
similarity_df
- 1
- 2
- 3
- 4
- 5
- 6
六. 聚类特征
from sklearn.cluster import KMeans
km = KMeans(n_clusters = 2)
km.fit_transform(similarity_df)
cluster_labels = km.labels_
cluster_labels = pd.DataFrame(cluster_labels, columns=['ClusterLabel'])
pd.concat- 1
- 2
- 3
- 4
- 5
- 6
推荐阅读
相关标签
