Python字符串模糊匹配库FuzzyWuzzy
在计算机科学中，字符串模糊匹配（fuzzy string matching）是一种近似地（而不是精确地）查找与模式匹配的字符串的技术。换句话说，字符串模糊匹配是一种搜索，即使用户拼错单词或只输入部分单词进行搜索，也能够找到匹配项。因此，它也…
数据
航空公司客户价值分析模型LRFCM
谈到用户分类模型，最被谈及的应该就是RFM模型了。大部分人常把RFM模型挂在嘴边，而在实际使用中的却很难真正的利用起来。这里暂时不去讨论RFM是好是坏。今天的介绍的是另外一个拓展的模型：航空公司客户价值分析模型LRFCMRFM模型的复习 在…
Python获取照片Exif信息
什么是 Exif？ Exif（Exchangeable image file format）是专门为数码相机的照片设定的，可以记录数码照片的属性信息和拍摄数据。Exif 信息是镶嵌在 JPEG/TIFF 图像文件格式内的一组拍摄参数，它就好…
假设检验之卡方检验
[LATEXPAGE] 假设检验简介 假设检验（Hypothesis Testing），或者叫做显著性检验（Significance Testing）是数理统计学中根据一定假设条件由样本推断总体的一种方法。其基本原理是先对总体的特征作出某种…
华为自然语言情感分析实践
情感分析基本概念 为什么要情感分析 随着移动互联网的普及，网民已经习惯于在网络上表达意见和建议，比如电商网站上对商品的评价、社交媒体中对品牌、产品、政策的评价等等。这些评价中都蕴含着巨大的商业价值。比如某品牌公司可以分析社交媒体上广大民众对…
数据分析之离散度指标
[LATEXPAGE] 在观察数据的时候离散度是一个重要的指标。通常认为离散度越低数据会越好，但是现实场景并不如此。举个例子，比如某个电商网站有上万的商品，但是其每个商品的点评分离散度较低，那么将用户点评呈现给用户的价值就不是很大。 通常我…
数据可视化之核密度估计
所谓核密度估计，就是采用平滑的峰值函数(“核”)来拟合观察到的数据点，从而对真实的概率分布曲线进行模拟。核密度估计更多详细内容，可以参考先前的Mean Shift聚类中的相关说明。一维数据的聚类这边文章中，讲到了使用SKlearn中的Ker…
文本内容相似度计算方法：minhash
[LATEXPAGE] 在数据挖掘中，一个最基本的问题就是比较两个集合的相似度。通常通过遍历这两个集合中的所有元素，统计这两个集合中相同元素的个数，来表示集合的相似度；这一步也可以看成特征向量间相似度的计算（欧氏距离，余弦相似度）。当这两个…
自然语言处理之词性标注集
词性标注（Part-of-Speech tagging 或 POS tagging)，又称词类标注或者简称标注，是指为分词 结果中的每个单词标注一个正确的词性的程序，也即确定每个词是名词、动词、形容词或其他词性的过程。词主要可以分为以下 2…
数据可视化之词云wordcloud
Wordcloud 是一个生成词云的 Python 包，可以以词语为基本单位更加直观和艺术的展示文本，呈现效果类似标签云。这里主要讲解下如何使用。 wordcloud 使用文档 所有函数均封装在 WordCloud 类里: WordClou…
