在空间索引类问题中，一个最普遍而又最重要的问题是：给定你某个点的坐标，你如何能够在海量的数据点中找到他所在的区域以及最靠近他的点？”，比方说客户在路上突然想吃饭了，那么就要根据他的位置查询最近的餐馆并…
之前的文章详细介绍Google的词向量工具Word2Vec、Facebook的词向量工具FastText、斯坦福大学词向量工具Glove。之前的文章主要从原理层面进行了介绍。今天想要分享的只要内容是如何使用这些工具。及比较针对相同的训…
t-SNE(t-distributed stochastic neighbor embedding)是用于降维的一种机器学习算法，是由 Laurens van der Maaten 和 Geoffrey Hinton在08年提出来。此外，t-SNE 是一种非线性降维算法，非常适用于高维数据降维到2…
FastText简介 fastText是Facebook于2016年开源的一个词向量计算和文本分类工具，在文本分类任务中，fastText（浅层网络）往往能取得和深度网络相媲美的精度，却在训练时间上比深度网络快许多数量级。在标准的多核C…
近年来，深度学习技术在自然语言处理领域中得到了广泛应用。基于深度神经网络的模型已经在词性标注、命名实体识别、情感分类等诸多任务上显著超越了传统模型。用深度学习技术来处理自然语言文本，离不开文本的向量…
Word2vec是Google于2013年开源推出的一个用于获取词向量的工具包，关于它的介绍可以看先前整理的Word2Vec原理。 获取和处理中文语料 维基百科的中文语料库质量高、领域广泛而且开放，非常适合作为语料用来训练。…
GloVe简介 GloVe的全称叫Global Vectors for Word Representation，它是一个基于全局词频统计（count-based & overall statistics）的词表征（word representation）工具。 Glove与LSA的区别 LSA（Laten…
BIRCH算法简介 BIRCH算法的全称是Balanced Iterative Reducing and Clustering using Hierarchies，它使用聚类特征来表示一个簇，使用聚类特征树（CF-树）来表示聚类的层次结构，算法思路也是“自底向上”的。 BI…
层次聚类简介 层次聚类算法(Hierarchical Clustering)将数据集划分为一层一层的clusters，后面一层生成的clusters基于前面一层的结果。层次聚类算法一般分为两类： Divisive 层次聚类：又称自顶向下（top-dow…
Prophet简介 时间序列（Time Series Analysis）作为计量经济学的三大数据形态之一， 比较主流的观点认为，时间序列受四种成分影响： 趋势：宏观、长期、持续性的作用力 周期：比如商品价格在较短时间内，…
