NLP的特征工程及数据预处理的分类
2019-07-13 16:14
323 查看
版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Lzj000lzj/article/details/95761090
cleaning
大小写同一
解码
去特殊符号
修剪单词内部的错误符号
tokenizing
tokenize
N-Grams
skip-grams
char-grams
remove
清除停用词，稀有单词
roots
修剪单词的前几个字符
修正单词回词根
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 数据预处理 | 机器学习之特征工程
- 数据预处理、特征工程和特征学习
- 平均数编码：针对高基数定性特征（类别特征）的数据预处理/特征工程
- 平均数编码：针对高基数定性特征（类别特征）的数据预处理/特征工程
- 数据预处理 特征工程 之库sklearn-pandas
- 机器学习02-使用python中的sklearn库进行数据的预处理(数据的特征工程)
- 机器学习里数据预处理及特征工程总结
- 特征工程与数据预处理
- 机器学习 数据特征分析 特征工程
- 《Spark机器学习》笔记——Spark高级文本处理技术（NLP、特征哈希、TF-IDF、朴素贝叶斯多分类、Word2Vec）
- 机器学习sklearn之数据预处理及特征选择
- 机器学习之金融信贷风控（二）申请评分卡中的数据预处理和特征衍生（未完待续）
- 机器学习——特征工程之数据预处理
- 机器学习入门：特征工程与数据降维
- 机器学习中的数据清洗与特征工程
- <转>Spark MLlib 数据预处理－特征变换（二）
- 特征工程——特征分类及不同类特征的处理方式
- 特征工程（三） 数据标准化和归一化
- 机器学习-Python实践Day4（特征工程--数据特征选定）
- （三）申请评分卡中的数据预处理和特征衍生（下）