知识卡片

普通读书笔记卡 · 6644.a.1.dp · 生成模型:未记录

频率与搭配阈值选择不同对象

理解等级:中级

unigram_word_feats按频率排序并保留计数>min_freq的词;bigram_collocation_feats先按最低出现次数过滤,再按PMI等关联分数选TopN词对。高PMI可能来自稀有组合,因此最低频次有用途,但具体阈值需看训练语料。TopN不是频次,语料级词频、文档内是否出现和搭配分数也不能混作同一个数。

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 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第7章 情感分析:我很快乐,spine061单元005;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00060.html。 - 结论依据:原文unigram严格大于与bigram频次过滤/关联分数两条实现提供不同门槛对象,未给通用最优阈值。未在本机运行示例或改变环境。 - 原始内容:ocuments(documents) finder.apply_freq_filter(min_freq) return finder.nbest(assoc_measure, top_n) 让我们来看看如下代码,通过使用特征集其可用于分类一个给定的实例: def class