知识卡片

问题卡 · 6244.a

词频直方图数的是词型

理解等级:中级

把Counter.values送给默认未加权hist,每个互异成员的次数是一个观测值,桶高数的是落在该区间的成员个数,不是这些成员贡献的总词次。例如频次1、1、2落在同桶时,高度为3个词型而不是4个词次。图1-5坐标也写Number of items in bin;原文把纵轴解释为全部词频之和不正确,密度或加权模式须另说明。

好友相似度示例把每位好友的共同赞数传给hist,此时横轴应为共同赞数量的区间、纵轴为落入区间的好友数。原书示例轴文字及图2-7把这两个含义颠倒,不能照抄。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 3 处

    • · 查看原书依据

      plt.hist(c.values()) # Add a title and y-label ... plt.title(label) plt.ylabel("Number of items in bin") plt.xlabel("Bins (number of times an item appeared)") # ... and display as

    • · 查看原书依据

      plt.hist(ranked_friends.values()) plt.xlabel('Bins (number of friends with shared likes)') plt.ylabel('Number of shared likes in each bin') # Keep in mind that you can customize th

    • · 查看原书依据

      图4-4中紧贴每个坐标轴行走的曲线那样(即便是对一个小样本量的数据)。 尽管开始不够明显,但这种分布的大部分区域都在它的尾部。并且从一门语言合理采样所得到充分大的语料库,尾部也总是很长。如果在图中绘制这种分布,且坐标轴用对数函数进行变换,对足够大的代表样本绘制的曲线会接近直线。 Zipf法则让你看到了语料库中单词频率的分布,并且提供了对预测频率有用的经验法则

    参考来源

    - 位置:《社交网站的数据挖掘与分析(原书第2版)》第1章《1.4.5 使用直方图将频率数据可视化》(spine65;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0054.html;u027-ch01-035)。 - 结论依据:原文在“plt.hist(c.values())”附近的定义、例子或代码支撑本卡核心说明:把Counter.values送给默认未加权hist,每个互异成员的次数是一个观测值,桶高数的是落在该区间的成员个数,不是这些成员贡献的总词次。边界按已读前提解释;示例未执行。 - 原始内容:plt.hist(c.values()) # Add a title and y-label ... plt.title(label) plt.ylabel("Number of items in bin") plt.xlabel("Bins (number of times an item appeared)") # ... and display as - 位置:《社交网站的数据挖掘与分析(原书第2版)》第2章《2.3.2 查看好友关系》(spine72;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0061.html;u038-ch01-035)。 - 结论依据:这里输入改为每位好友的共同赞数,桶内数的是好友,不是赞的总数;原书轴标签互换。 - 原始内容:plt.hist(ranked_friends.values()) plt.xlabel('Bins (number of friends with shared likes)') plt.ylabel('Number of shared likes in each bin') # Keep in mind that you can customize th - 位置:《社交网站的数据挖掘与分析(原书第2版)》第4章《4.4.1 自然语言工具包概述》(spine87;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0076.html;u064-ch01-035)。 - 结论依据:图4-4实际上是频次随排名变化的曲线,不能把排名图当作桶内计数的直方图。 - 原始内容:图4-4中紧贴每个坐标轴行走的曲线那样(即便是对一个小样本量的数据)。 尽管开始不够明显,但这种分布的大部分区域都在它的尾部。并且从一门语言合理采样所得到充分大的语料库,尾部也总是很长。如果在图中绘制这种分布,且坐标轴用对数函数进行变换,对足够大的代表样本绘制的曲线会接近直线。 Zipf法则让你看到了语料库中单词频率的分布,并且提供了对预测频率有用的经验法则