作者查詢 / stayfool

總覽項目：發文 | 留言 | 暱稱

作者 stayfool 在 PTT [ DataScience ] 看板的留言(推文), 共21則

限定看板：DataScience

首頁

尾頁

[ DataScience ]25 留言, 推噓總分: 0

作者: stayfool - 發表於 2022/10/19 17:34(1年前)

10^F→stayfool: 如果這個題目從來沒有人研究，那我只好獨自鑽研10/20 14:38

11^F→stayfool: 否則，我希望有範例能參考，就不用重新打造輪子10/20 14:40

12^F→stayfool: 我看了碩論，找不到能解決我的需求的概念10/20 14:41

21^F→stayfool: ch大!強!給出的連結就是我想查詢的資料10/20 19:20

22^F→stayfool: 你說的詞袋造句，該如何查呢?google"詞袋造句"或10/20 19:23

23^F→stayfool: "bag of words sentence" "機器學習造句"都找不到10/20 19:24

24^F→stayfool: 適合的資料10/20 19:24

[ DataScience ]26 留言, 推噓總分: -2

作者: stayfool - 發表於 2022/04/24 17:25(2年前)

8^F→stayfool: 我查了FP的資料，範例是2個詞、3個詞以上，一起出現04/24 20:51

9^F→stayfool: 的頻率，例如食物跟漢堡一起出現10次，FP就可處理問題04/24 20:53

10^F→stayfool: 我是ML新手，不知道在某條件下的frequency pattern04/24 20:57

11^F→stayfool: 該如何作?因為給定的條件跟出現頻率無關，條件只出現1次04/24 21:00

12^F→stayfool: 例如購買是條件，食物碰到購買會和漢堡相似04/24 21:03

13^F→stayfool: 衣服碰到購買，也許會和透氣相似，這種情況下04/24 21:05

14^F→stayfool: 該如何作出詞向量，想不出來，才再次發文請教04/24 21:07

[ DataScience ]10 留言, 推噓總分: +3

作者: stayfool - 發表於 2022/04/21 15:14(2年前)

3^F→stayfool: Word2vec的相似度計算和我要的不一樣04/21 15:48

4^F→stayfool: 它是利用具有相同上下文的詞，計算相似度04/21 15:50

5^F→stayfool: 例如狗咬人和貓咬人，狗跟貓相似是因為有相同的上下文04/21 15:52

6^F→stayfool: 咬人，我要的相似度是一起出現的頻率04/21 15:54

[ DataScience ]11 留言, 推噓總分: +1

作者: stayfool - 發表於 2021/06/28 17:03(2年前)

4^F→stayfool: 我想問的是為什麼要作線性轉換?轉換有什麼意義?06/28 17:54

5^F→stayfool: 不轉換會怎樣?機器無法學習嗎?06/28 17:55

9^F→stayfool: 原來如此，感謝解答06/28 19:06

首頁

尾頁