《非结构化信息分析应用与实践(筹)》
Part 1.知识储备
一、机器学习
二、神经网络与深度学习
三、应用与实践(一)
2.利用机器学习算法进行预测分析(一):移动平均(Moving Average)
3.利用机器学习算法进行预测分析(二):线性回归(Linear Regression)
4.利用机器学习算法进行预测分析(三):最近邻(K-Nearest Neighbours)
5.利用机器学习算法进行预测分析(四):自回归差分移动平均模型(AutoARIMA)
扫描二维码关注公众号,回复:
14933938 查看本文章
7.利用机器学习算法进行预测分析(六):长短时记忆网络(LSTM)
8.基于Streamlit制作的时间序列数据分析APP(上手简单,附可运行源码)
Part 2.非结构化信息分析
四、文本分析
1.文本表示(一):One-Hot、BOW、TF-IDF、N-Gram
10.主题建模评估:连贯性分数(Coherence Score)
14.基于 LDA 和 BERTopic 的 COVID-19 论文内容分析
15.从 “文本” 到 “知识”:信息抽取(Information Extraction)
16.基于scattertext的 “十二五和十三五规划” 文本分析
五、应用与实践(二)
2.情感分析(一):基于 NLTK 的 Naive Bayes 实现
3.情感分析(二):基于 scikit-learn 的 Naive Bayes 实现
4.情感分析(三):基于 Word2Vec 的 LSTM 实现
5.情感分析(四):基于 Tokenizer 和 Word2Vec 的 CNN 实现
如果有机会,我想写本书,书名如题所示,哈哈!持续更新中!