1986年出生的男人(屬虎)是什么命?(金木水火土)

1986年丙寅: 山林之虎 五行屬火
2011年“劫在五行絕處, 亡在五行旺處”. 逢亡神者，其人心性難定、氣量變小、事難如愿、脾氣粗俗，魂不守舍、有魂無體，特別不利家運(yùn)，免不了爭紛是非，HpE28資訊網(wǎng)——每日最新資訊28at.com

生肖屬猴住哪層樓層最吉利

在中國，生肖是很重要的，而不少人買房也會根據(jù)生肖的屬性選擇適合自己生肖的房子，樓層也不例外，那么屬猴的人適合買什么樓層的房子呢？下面跟大家分享一下。

猴在地支為申，五行屬陽金，所屬方位為西南，適合居住西南面開闊平廣、先見低洼后見高的房子。戶門適宜朝西南、朝東南、朝北，樓層或門牌號碼尾數(shù)適宜是2、5、7、8、9。五行學(xué)火克金，所以房子的西南面千萬不要是廚房或見爐灶，而且住所西南面也不要有火氣太旺的建筑物。

1、屬猴的人吉利樓層是：4、5、9、10、14、15樓；生肖不吉利樓層有：1、2、6、7、11、12樓。

2、屬猴的人催旺自身運(yùn)勢的樓層：尾數(shù)為4、9的樓層。

3、屬猴的人運(yùn)勢穩(wěn)中有升的樓層：尾數(shù)為5、0的樓層。

4、有利于屬猴的人財(cái)運(yùn)的樓層：尾數(shù)為3、8的樓層。

5、屬猴的人最佳房屋朝向：選擇東南（偏南）、正北、東南（偏東）。HpE28資訊網(wǎng)——每日最新資訊28at.com

臭毛病最多,但被稱作天才的星座,說的是什么呢?

臭毛病最多，但被稱作天才的星座，說的是什么呢？

在我們的生活中，我們都喜歡那些能夠不斷規(guī)范自己，擁有天賦和素質(zhì)的人。然而，不得不說，有些人經(jīng)常有最臭的問題，但由于一些特殊的天賦，這些問題直接被忽視，甚至被稱為天才。然后，讓我們來看看哪些星座是這樣的。HpE28資訊網(wǎng)——每日最新資訊28at.com

HpE28資訊網(wǎng)——每日最新資訊28at.com

雙子座

雙子座的人有很多難聞的問題，其中大部分表現(xiàn)在他們憎恨一個人。換句話說，如果他們想取悅一個人，他們真的可以讓你閉嘴大笑，但如果他們憎恨一個人，他們不僅會諷刺地說話，還會讓你厭惡。HpE28資訊網(wǎng)——每日最新資訊28at.com

事實(shí)上，雙子座的壞習(xí)慣發(fā)生在他們討厭的人身上。不可忽視的是，他們的智商真的很高。無論他們遇到什么或做什么，他們總是可以找到正確的答案，并在最早的時候做出各種各樣的方法。HpE28資訊網(wǎng)——每日最新資訊28at.com

HpE28資訊網(wǎng)——每日最新資訊28at.com

白羊座

白羊座的人說這聽起來不好，這是一個粗糙的說法。這是怎么說的？也就是說，他們中的大多數(shù)人都過著漫不經(jīng)心的生活。他們說，雖然他們不在乎，但總是很難集中注意力。因此，在外人看來，有很多難聞的問題，似乎很難改變他們的一生。HpE28資訊網(wǎng)——每日最新資訊28at.com

但話說回來，雖然白羊座的人很粗心，但他們自己的大腦非常靈活和聰明。雖然在大多數(shù)情況下，他們不知道如何靈活地使用它，并在正確的地方使用它，但我不得不說，當(dāng)他們真的遇到他們想要嚴(yán)肅的事情時，他們通常很容易做出正確的答案，甚至讓人們認(rèn)為這是一個不合理的天才。HpE28資訊網(wǎng)——每日最新資訊28at.com

HpE28資訊網(wǎng)——每日最新資訊28at.com

水瓶座

對水瓶座來說，最惱人的事情之一是他們有多少難聞的問題。他們心里很清楚，但他們不會改變。不管誰強(qiáng)調(diào)，他們都不會改變。因?yàn)樗麄冎魂P(guān)注自己關(guān)注的事情，而他們直接忽略了其他事情。HpE28資訊網(wǎng)——每日最新資訊28at.com

但必須指出的是，天才和瘋子之間往往是一種想法。即使水瓶座的人有很多難聞的問題，他們通常看起來也很瘋狂，但不可否認(rèn)的是，他們天生的高智商不能被描述為聰明，而是智慧，甚至稱他們?yōu)樘觳拧?span style="display:none">HpE28資訊網(wǎng)——每日最新資訊28at.com

算命先生說的九歲生根是什么意思

生根就是運(yùn)氣的根基，
運(yùn)是運(yùn)氣。9歲運(yùn)是指9歲開始上運(yùn)，9到19是一運(yùn)，20到30是一運(yùn)，這樣類推，至于運(yùn)的好壞則需要拿八字來斷。
就是九歲開始行運(yùn)的意思HpE28資訊網(wǎng)——每日最新資訊28at.com

情感計(jì)算的人機(jī)交互中的“情感計(jì)算”

傳統(tǒng)的人機(jī)交互，主要通過鍵盤、鼠標(biāo)、屏幕等方式進(jìn)行，只追求便利和準(zhǔn)確，無法理解和適應(yīng)人的情緒或心境。而如果缺乏這種情感理解和表達(dá)能力，就很難指望計(jì)算機(jī)具有類似人一樣的智能，也很難期望人機(jī)交互做到真正的和諧與自然。由于人類之間的溝通與交流是自然而富有感情的，因此，在人機(jī)交互的過程中，人們也很自然地期望計(jì)算機(jī)具有情感能力。情感計(jì)算（Affective Computting）就是要賦予計(jì)算機(jī)類似于人一樣的觀察、理解和生成各種情感特征的能力，最終使計(jì)算機(jī)像人一樣能進(jìn)行自然、親切和生動的交互。 有關(guān)人類情感的深入研究，早在19世紀(jì)末就進(jìn)行了。然而，除了科幻小說當(dāng)中，過去極少有人將“感情”和無生命的機(jī)器聯(lián)系在一起。只有到了現(xiàn)代，隨著數(shù)字信息技術(shù)的發(fā)展，人們才開始設(shè)想讓機(jī)器（計(jì)算機(jī)）也具備“感情”。從感知信號中提取情感特征，分析人的情感與各種感知信號的關(guān)聯(lián)，是國際上近幾年剛剛興起的研究方向（圖1）。
人的情緒與心境狀態(tài)的變化總是伴隨著某些生理特征或行為特征的起伏，它受到所處環(huán)境、文化背景、人的個性等一系列因素的影響。要讓機(jī)器處理情感，我們首先必須探討人與人之間的交互過程。那么人是如何表達(dá)情感，又如何精確地覺察到它們的呢？人們通過一系列的面部表情、肢體動作和語音來表達(dá)情感，又通過視覺、聽覺、觸覺來感知情感的變化。視覺察覺則主要通過面部表情、姿態(tài)來進(jìn)行；語音、音樂則是主要的聽覺途徑；觸覺則包括對愛撫、沖擊、汗液分泌、心跳等現(xiàn)象的處理。
情感計(jì)算研究的重點(diǎn)就在于通過各種傳感器獲取由人的情感所引起的生理及行為特征信號，建立“情感模型”，從而創(chuàng)建感知、識別和理解人類情感的能力，并能針對用戶的情感做出智能、靈敏、友好反應(yīng)的個人計(jì)算系統(tǒng)，縮短人機(jī)之間的距離，營造真正和諧的人機(jī)環(huán)境（圖2）。 在生活中，人們很難保持一種僵硬的臉部表情，通過臉部表情來體現(xiàn)情感是人們常用的較自然的表現(xiàn)方式，其情感表現(xiàn)區(qū)域主要包括嘴、臉頰、眼睛、眉毛和前額等。人在表達(dá)情感時，只稍許改變一下面部的局部特征（譬如皺一下眉毛），便能反映一種心態(tài)。在1972年，著名的學(xué)者Ekman提出了臉部情感的表達(dá)方法（臉部運(yùn)動編碼系統(tǒng)FACS）。通過不同編碼和運(yùn)動單元的組合，即可以在臉部形成復(fù)雜的表情變化，譬如幸福、憤怒、悲傷等。該成果已經(jīng)被大多數(shù)研究人員所接受，并被應(yīng)用在人臉表情的自動識別與合成（圖3）。
隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，為了滿足通信的需要，人們進(jìn)一步將人臉識別和合成的工作融入到通信編碼中。最典型的便是MPEG4 V2視覺標(biāo)準(zhǔn)，其中定義了3個重要的參數(shù)集：人臉定義參數(shù)、人臉內(nèi)插變換和人臉動畫參數(shù)。表情參數(shù)中具體數(shù)值的大小代表人激動的程度，可以組合多種表情以模擬混合表情。
在目前的人臉表情處理技術(shù)中，多側(cè)重于對三維圖像的更加細(xì)致的描述和建模。通常采用復(fù)雜的紋理和較細(xì)致的圖形變換算法，達(dá)到生動的情感表達(dá)效果。在此基礎(chǔ)上，不同的算法形成了不同水平的應(yīng)用系統(tǒng)（圖4，圖5） 人的姿態(tài)一般伴隨著交互過程而發(fā)生變化，它們表達(dá)著一些信息。例如手勢的加強(qiáng)通常反映一種強(qiáng)調(diào)的心態(tài)，身體某一部位不停地?cái)[動，則通常具有情緒緊張的傾向。相對于語音和人臉表情變化來說，姿態(tài)變化的規(guī)律性較難獲取，但由于人的姿態(tài)變化會使表述更加生動，因而人們依然對其表示了強(qiáng)烈的關(guān)注。
科學(xué)家針對肢體運(yùn)動，專門設(shè)計(jì)了一系列運(yùn)動和身體信息捕獲設(shè)備，例如運(yùn)動捕獲儀、數(shù)據(jù)手套、智能座椅等。國外一些著名的大學(xué)和跨國公司，例如麻省理工學(xué)院、IBM等則在這些設(shè)備的基礎(chǔ)上構(gòu)筑了智能空間。同時也有人將智能座椅應(yīng)用于汽車的駕座上，用于動態(tài)監(jiān)測駕駛?cè)藛T的情緒狀態(tài)，并提出適時警告。意大利的一些科學(xué)家還通過一系列的姿態(tài)分析，對辦公室的工作人員進(jìn)行情感自動分析，設(shè)計(jì)出更舒適的辦公環(huán)境。 在人類的交互過程中，語音是人們最直接的交流通道，人們通過語音能夠明顯地感受到對方的情緒變化，例如通過特殊的語氣詞、語調(diào)發(fā)生變化等等。在人們通電話時，雖然彼此看不到，但能從語氣中感覺到對方的情緒變化。例如同樣一句話“你真行”，在運(yùn)用不同語氣時，可以使之成為一句贊賞的話，也可以使之成為諷刺或妒忌的話。
目前，國際上對情感語音的研究主要側(cè)重于情感的聲學(xué)特征的分析這一方面。一般來說，語音中的情感特征往往通過語音韻律的變化表現(xiàn)出來。例如，當(dāng)一個人發(fā)怒的時候，講話的速率會變快，音量會變大，音調(diào)會變高等，同時一些音素特征（共振峰、聲道截面函數(shù)等）也能反映情感的變化。中國科學(xué)院自動化研究所模式識別國家重點(diǎn)實(shí)驗(yàn)室的專家們針對語言中的焦點(diǎn)現(xiàn)象，首先提出了情感焦點(diǎn)生成模型。這為語音合成中情感狀態(tài)的自動預(yù)測提供了依據(jù)，結(jié)合高質(zhì)量的聲學(xué)模型，使得情感語音合成和識別率先達(dá)到了實(shí)際應(yīng)用水平。 雖然人臉、姿態(tài)和語音等均能獨(dú)立地表示一定的情感，但人在相互交流的過程中卻總是通過上面信息的綜合表現(xiàn)來進(jìn)行的。所以，惟有實(shí)現(xiàn)多通道的人機(jī)界面，才是人與計(jì)算機(jī)最為自然的交互方式，它集自然語言、語音、手語、人臉、唇讀、頭勢、體勢等多種交流通道為一體，并對這些通道信息進(jìn)行編碼、壓縮、集成和融合，集中處理圖像、音頻、視頻、文本等多媒體信息。
目前，多模態(tài)技術(shù)本身也正在成為人機(jī)交互的研究熱點(diǎn)，而情感計(jì)算融合多模態(tài)處理技術(shù)，則可以實(shí)現(xiàn)情感的多特征融合，能夠有力地提高情感計(jì)算的研究深度，并促使出現(xiàn)高質(zhì)量、更和諧的人機(jī)交互系統(tǒng)。
在多模態(tài)情感計(jì)算研究中，一個很重要的研究分支就是情感機(jī)器人和情感虛擬人的研究。美國麻省理工學(xué)院、日本東京科技大學(xué)、美國卡內(nèi)基·梅隆大學(xué)均在此領(lǐng)域做出了較好的演示系統(tǒng)。目前中科院自動化所模式識別國家重點(diǎn)實(shí)驗(yàn)室已將情感處理融入到了他們已有的語音和人臉的多模態(tài)交互平臺中，使其結(jié)合情感語音合成、人臉建模、視位模型等一系列前沿技術(shù)，構(gòu)筑了栩栩如生的情感虛擬頭像，并正在積極轉(zhuǎn)向嵌入式平臺和游戲平臺等實(shí)際應(yīng)用（圖6）。 情感狀態(tài)的識別和理解，則是賦予計(jì)算機(jī)理解情感并做出恰如其分反應(yīng)的關(guān)鍵步驟。這個步驟通常包括從人的情感信息中提取用于識別的特征，例如從一張笑臉中辨別出眉毛等，接著讓計(jì)算機(jī)學(xué)習(xí)這些特征以便日后能夠準(zhǔn)確地識別其情感。
為了使計(jì)算機(jī)更好地完成情感識別任務(wù)，科學(xué)家已經(jīng)對人類的情感狀態(tài)進(jìn)行了合理而清晰的分類，提出了幾類基本情感。目前，在情感識別和理解的方法上運(yùn)用了模式識別、人工智能、語音和圖像技術(shù)的大量研究成果。例如：在情感語音的聲學(xué)分析的基礎(chǔ)上，運(yùn)用線性統(tǒng)計(jì)方法和神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了基于語音的情感識別原型；通過對面部運(yùn)動區(qū)域進(jìn)行編碼，采用HMM等不同模型，建立了面部情感特征的識別方法；通過對人姿態(tài)和運(yùn)動的分析，探索肢體運(yùn)動的情感類別等等。
不過，受到情感信息的捕獲技術(shù)的影響，并缺乏大規(guī)模的情感數(shù)據(jù)資源，有關(guān)多特征融合的情感理解模型的研究還有待深入。隨著未來的技術(shù)進(jìn)展，還將提出更有效的機(jī)器學(xué)習(xí)機(jī)制。 情感計(jì)算與智能交互技術(shù)試圖在人和計(jì)算機(jī)之間建立精確的自然交互方式，將會是計(jì)算技術(shù)向人類社會全面滲透的重要手段。未來隨著技術(shù)的不斷突破，情感計(jì)算的應(yīng)用勢在必行，其對未來日常生活的影響將是方方面面的，目前我們可以預(yù)見的有：
情感計(jì)算將有效地改變過去計(jì)算機(jī)呆板的交互服務(wù)，提高人機(jī)交互的親切性和準(zhǔn)確性。一個擁有情感能力的計(jì)算機(jī)，能夠?qū)θ祟惖那楦羞M(jìn)行獲取、分類、識別和響應(yīng)，進(jìn)而幫助使用者獲得高效而又親切的感覺，并有效減輕人們使用電腦的挫敗感，甚至幫助人們便于理解自己和他人的情感世界。
它還能幫助我們增加使用設(shè)備的安全性（例如當(dāng)采用此類技術(shù)的系統(tǒng)探測到司機(jī)精力不集中時可以及時改變車的狀態(tài)和反應(yīng)）、使經(jīng)驗(yàn)人性化、使計(jì)算機(jī)作為媒介進(jìn)行學(xué)習(xí)的功能達(dá)到最佳化，并從我們身上收集反饋信息。例如，一個研究項(xiàng)目在汽車中用電腦來測量駕車者感受到的壓力水平，以幫助解決所謂駕駛者的“道路狂暴癥”問題。
情感計(jì)算和相關(guān)研究還能夠給涉及電子商務(wù)領(lǐng)域的企業(yè)帶來實(shí)惠。已經(jīng)有研究顯示，不同的圖像可以喚起人類不同的情感。例如，蛇、蜘蛛和槍的圖片能引起恐懼，而有大量美元和金塊的圖片則可以使人產(chǎn)生非常強(qiáng)烈的積極反應(yīng)。如果購物網(wǎng)站和股票交易網(wǎng)站在設(shè)計(jì)時研究和考慮這些因素的意義，將對客流量的上升產(chǎn)生非常積極的影響。
在信息家電和智能儀器中，增加自動感知人們的情緒狀態(tài)的功能，可以提供更好的服務(wù)。
在信息檢索應(yīng)用中，通過情感分析的概念解析功能，可以提高智能信息檢索的精度和效率。
在遠(yuǎn)程教育平臺中，情感計(jì)算技術(shù)的應(yīng)用能增加教學(xué)效果。
利用多模式的情感交互技術(shù)，可以構(gòu)筑更貼近人們生活的智能空間或虛擬場景等等。
情感計(jì)算還能應(yīng)用在機(jī)器人、智能玩具、游戲等相關(guān)產(chǎn)業(yè)中，以構(gòu)筑更加擬人化的風(fēng)格和更加逼真的場景。 由于缺乏較大規(guī)模的情感數(shù)據(jù)資源，情感計(jì)算的發(fā)展受到一定的限制，而且多局限在語音、身體語言等具體而零散的研究領(lǐng)域，僅僅依靠這些還難以準(zhǔn)確地推斷和生成一個人的情感狀態(tài)，并進(jìn)行有效的情感交互。目前，科學(xué)家們正在積極地探索多特征融合的情感計(jì)算理論模型。很多人認(rèn)為，今后幾年情感計(jì)算將在這些方面需要取得突破：
更加細(xì)致和準(zhǔn)確的情感信息獲取、描述及參數(shù)化建模。
多模態(tài)的情感識別、理解和表達(dá)（圖像、語音、生理特征等）。
自然場景對生理和行為特征的影響。
更加適用的機(jī)器學(xué)習(xí)算法。
海量的情感數(shù)據(jù)資源庫。 不久前，為了推動我國在這一領(lǐng)域的研究，探討情感計(jì)算和智能交互技術(shù)的發(fā)展動態(tài)與趨勢，促進(jìn)我國科研人員在此領(lǐng)域的交流與合作，中國科學(xué)院自動化研究所、中國自動化學(xué)會、中國計(jì)算機(jī)學(xué)會、中國圖象圖形學(xué)會、中國中文信息學(xué)會、國家自然科學(xué)基金委員會和國家863計(jì)劃計(jì)算機(jī)軟硬件技術(shù)主題作為主辦單位，在北京主辦了第一屆中國情感計(jì)算與智能交互學(xué)術(shù)會議。
事實(shí)證明，情感計(jì)算的概念盡管誕生不久，但已受到學(xué)術(shù)界和產(chǎn)業(yè)界的高度重視，相關(guān)領(lǐng)域的研究和應(yīng)用正方興未艾，國家自然科學(xué)基金委也將其列入重點(diǎn)項(xiàng)目的指南中。值得注意的是，近幾年來，與情感計(jì)算有密切關(guān)系的普適計(jì)算和可穿戴式計(jì)算機(jī)的研究也已獲得了蓬勃發(fā)展，并同樣得到了國家的大力支持。這為情感信息的實(shí)時獲取提供了極大的便利條件，也為情感計(jì)算在國內(nèi)的發(fā)展提供了更好的發(fā)展平臺。HpE28資訊網(wǎng)——每日最新資訊28at.com

HpE28資訊網(wǎng)——每日最新資訊28at.com

情感分析之TF-IDF算法

http://mini.eastday.com/bdmip/180414224336264.html

在這篇文章中，主要介紹的內(nèi)容有：

1、將單詞轉(zhuǎn)換為特征向量

2、TF-IDF計(jì)算單詞關(guān)聯(lián)度

文本的預(yù)處理和分詞。

如何將單詞等分類數(shù)據(jù)轉(zhuǎn)成為數(shù)值格式，以方便我們后面使用機(jī)器學(xué)習(xí)來訓(xùn)練模型。

一、將單詞轉(zhuǎn)換為特征向量

詞袋模型(bag-of-words model)：將文本以數(shù)值特征向量的形式來表示。主要通過兩個步驟來實(shí)現(xiàn)詞袋模型：

1、為整個文檔集(包含了許多的文檔)上的每個單詞創(chuàng)建一個唯一的標(biāo)記。

2、為每個文檔構(gòu)建一個特征向量，主要包含每個單詞在文檔上的出現(xiàn)次數(shù)。

注意：由于每個文檔中出現(xiàn)的單詞數(shù)量只是整個文檔集中很少的一部分，因此會有很多的單詞沒有出現(xiàn)過，就會被標(biāo)記為0。所以，特征向量中大多數(shù)的元素就會為0，就會產(chǎn)生稀疏矩陣。

下面通過sklearn的CountVectorizer來實(shí)現(xiàn)一個詞袋模型，將文檔轉(zhuǎn)換成為特征向量
通過count.vocabulary_我們可以看出每個單詞所對應(yīng)的索引位置，每一個句子都是由一個6維的特征向量所組成。其中，第一列的索引為0，對應(yīng)單詞"and"，"and"在第一和二條句子中沒有出現(xiàn)過，所以為0，在第三條句子中出現(xiàn)過一些，所以為1。特征向量中的值也被稱為原始詞頻(raw term frequency)簡寫為tf(t,d)，表示在文檔d中詞匯t的出現(xiàn)次數(shù)。

注意：在上面詞袋模型中，我們是使用單個的單詞來構(gòu)建詞向量，這樣的序列被稱為1元組(1-gram)或單元組(unigram)模型。除了一元組以外，我們還可以構(gòu)建n元組(n-gram)。n元組模型中的n取值與特定的應(yīng)用場景有關(guān)，如在反垃圾郵件中，n的值為3或4的n元組可以獲得比較好的效果。下面舉例說明一下n元組，如在"the weather is sweet"這句話中，

1元組："the"、"weather"、"is"、"sweet"。

2元組："the weather"、"weather is"、"is sweet"。

在sklearn中，可以設(shè)置CountVecorizer中的ngram_range參數(shù)來構(gòu)建不同的n元組模型，默認(rèn)ngram_range=(1,1)。

sklearn通過CountVecorizer構(gòu)建2元組
二、TF-IDF計(jì)算單詞關(guān)聯(lián)度

在使用上面的方法來構(gòu)建詞向量的時候可能會遇到一個問題：一個單詞在不同類型的文檔中都出現(xiàn)，這種類型的單詞其實(shí)是不具備文檔類型的區(qū)分能力。我們通過TF-IDF算法來構(gòu)建詞向量，從而來克服這個問題。

詞頻-逆文檔頻率(TF-IDF，term frequency-inverse document frequency)：tf-idf可以定義為詞頻×逆文檔頻率

其中tf(t,d)表示單詞t在文檔d中的出現(xiàn)次數(shù)，idf(t,d)為逆文檔頻率，計(jì)算公式如下

其中，nd表示文檔的總數(shù)，df(t,d)表示包含單詞t的文檔d的數(shù)量。分母中加入常數(shù)1，是為了防止df(t,d)=0的情況，導(dǎo)致分母為0。取log的目的是保證當(dāng)df(t,d)很小的時候，不會導(dǎo)致idf(t,d)過大。

通過sklearn的TfidfTransformer和CountVectorizer來計(jì)算tf-idf
可以發(fā)現(xiàn)"is"(第二列)和"the"(第六列)，它們在三個句子中都出現(xiàn)過，它們對于文檔的分類所提供的信息并不會很多，所以它們的tf-idf的值相對來說都是比較小的。

注意：sklearn中的TfidfTransformer的TF-IDF的計(jì)算與我們上面所定義TF-IDF的公式有所不同,sklearn的TF-IDF計(jì)算公式

通常在計(jì)算TF-IDF之前，會對原始詞頻tf(t,d)做歸一化處理，TfidfTransformer是直接對tf-idf做歸一化。TfidfTransformer默認(rèn)使用L2歸一化，它通過與一個未歸一化特征向量L2范數(shù)的比值，使得返回向量的長度為1，計(jì)算公式如下：
下面通過一個例子來說明sklearn中的TfidfTransformer的tf-idf的計(jì)算過程，以上面的第一句話"The sun is shining"為例子

1、計(jì)算原始詞頻

a、單詞所對應(yīng)的下標(biāo)

b、計(jì)算第三句話的原始詞頻tf(t,d)

c、計(jì)算逆文檔頻率idf(t,d)
注意：其他的詞在計(jì)算tf-idf都是0，因?yàn)樵荚~頻為0，所以就不需要計(jì)算idf了，log是以自然數(shù)e為底。

d、計(jì)算tf-idf
所以，第一個句子的tf-idf特征向量為[0,1,1.29,1.29,0,1,0]

e、tf-idf的L2歸一化HpE28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.rrqrq.com/showinfo-141-6259-0.html情感算術(shù)評價,情感計(jì)算算法

聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 六兩一女命的婚姻幾次,為什么女人六兩一命不好

下一篇： 家中什么物件招財(cái)最好擺放,家里放什么最招財(cái)