知识卡片
词频直方图数的是词型
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?
这张卡片已通过人工审查,不再接受失败反馈。
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