注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. oct20cloudguruchallenge:十月20云guruchallenge-源码

  2. IMDB电影推荐项目 请通读jupyter笔记本，其中逐步解释了如何实现此项目的方法。 我写了一个博客来解释我对相同方法的看法-https: IMDB（互联网电影数据库）是一家亚马逊公司，当涉及影音娱乐内容时，它是最大的数据集之一，它可以是电影，电视连续剧，短片或纪录片。 几天前，我才知道有关2020年10月发布的CloudGuruChallenge的信息。该项目的目标是使用任何技术工具来分析数据并做出一些推荐预测，例如课程推荐或电影推荐或歌曲推荐等。 目标：制作电影推荐引擎工具和技术

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：404kb
    • 提供者：weixin_42144554

  1. Sentiment-Analysis:它是一种文本分类，可在IMDB大电影评论数据集上训练递归神经网络（RNN）以进行情感分析-源码

  2. 情感分析 它是一种文本分类，可在IMDB大电影评论数据集上训练递归神经网络（RNN）以进行情感分析。

  3. 所属分类：其它

  1. Sentiment_analysis-源码

  2. 情感分析 IMDB电影评论数据集： : Sentiment140数据集： : Twitter语料库数据集： : Twitter Emotion数据集： :

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：23kb
    • 提供者：weixin_42130889

  1. MovieRecommender:使用ALS机器学习算法的电影推荐系统-源码

  2. IMDB电影推荐系统 组：Priyanka Bijlani，Sharmeelee Bijlani，Laura Thriftwood，Lakshmi Venkatasubramanian 介绍 在考虑观看哪部电影时，用户可以使用大量的选项。 用户想要自定义建议，以确保最佳地利用其收看时间。 通过增强用户的参与度和对流媒体平台的依赖，业务模型将从强大的推荐系统中受益。 通过该项目，我们可以创建自己的电影推荐系统，该系统采用用户输入的一部电影，并利用电影标题，评分和用户信息的丰富数据集来输出推荐电影。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：293kb
    • 提供者：weixin_42164702

  1. Movie_Reviews_Classification:使用情感分析将电影评论分为正面还是负面-源码

  2. 电影评论分类 使用python中的情感分析库将IMDb电影评论分为正面或负面 情绪分析 情感分析是指使用自然语言处理（NLP），文本分析和计算来系统地提取，识别信息并将其分类为特定类别。 该项目使用python sklearn库中的高斯朴素贝叶斯和多项式朴素贝叶斯模型 朴素贝叶斯分类器 朴素贝叶斯分类器是python scikit学习库下的一组监督ML算法。 他们使用特征矩阵（所有因变量的向量）来预测类变量（特征矩阵中每一行的输出）。 这些算法的前提是所有特征彼此独立并且具有同等重要性。 在

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：610kb
    • 提供者：weixin_42131414

  1. Movie-review-classification:使用python中的情感分析库将IMDb电影评论分为正面或负面-源码

  2. 电影评论分类 使用python中的情感分析库将IMDb电影评论分为正面或负面 情绪分析 情感分析是指使用自然语言处理（NLP），文本分析和计算来系统地提取，识别信息并将其分类为特定类别。 该项目使用python sklearn库中的高斯朴素贝叶斯和多项式朴素贝叶斯模型 朴素贝叶斯分类器 朴素贝叶斯分类器是python scikit学习库下的一组监督ML算法。 他们使用特征矩阵（所有因变量的向量）来预测类变量（特征矩阵中每一行的输出）。 这些算法的前提是所有特征彼此独立并且具有同等重要性。 在

  3. 所属分类：其它

  1. data607-project2-源码

  2. 项目2，数据607 2021年Spring 作者：克莱尔·迈耶（Claire Meyer） 该R代码通过数据607类的众包来源的宽/乱数据集的三个不同示例进行工作。 该工作簿将清理并转换数据，然后进行一些绘图和分析。 此处审查的数据集是： IMDB电影评分 中央公园的松鼠 餐厅卫生检查报告

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：133kb
    • 提供者：weixin_42160425

  1. imdb-data-analysis：对前1000个IMDB电影的数据集进行的社交网络分析-源码

  2. IMDB Top1000电影数据分析 该项目的目标是获取2006年至2016年间前1000部IMDB电影的数据集，并对其应用几种社交网络分析技术。 我们感兴趣的三个主要图形是： 演员共现图 体裁关系图 电影关系图 分析是在Jupyter Notebook和Gephi中完成的，用于可视化生成的图形。 该库和都提供了所有使用的数据。 配置 使用Python 3.6.7执行以下操作： pip install -r requirements 然后启动Jupyter Notebook。

  3. 所属分类：其它

  1. Disney-Movies-Wiki-WebScraper：Disney Movies的Web Scraping Wikipedia，以创建Disney Movies数据集，然后清理数据以使用清理后的JSON进行进一步的数据分析-源码

  2. 迪士尼电影Wikipedia WebScraper 目录 关于该项目 在此 Jupyter笔记本中，我们为迪士尼电影抓取了Wikipedia页面，以创建迪士尼电影数据集。 任务 任务1：从Toy Story 3 Wiki页面中抓取信息框，并保存在python词典中。 任务2：为所有迪士尼电影刮取信息框，并保存在python词典列表中。 任务3：清除数据！ 删除所有引用（[1]，[2]等） 拆分长字符串 将“运行时间”字段转换为整数 将“预算”和“票房”字段转换为浮点数 将日期转换为日期时

  3. 所属分类：其它

  1. J_Aguirre_portfolio：我正在进行和已完成的项目的投资组合-源码

  2. Jose Aguirre-Mori的图片组合 我正在进行和已完成项目的投资组合。 关注蒙哥马利县发生碰撞事件的趋势（R，Excel） 分析COVID-19对马里兰州蒙哥马利县所报告的车辆事故的影响 Project_Health Communication （Python，Tableau） 检查医院患者评估的医生和护士沟通技巧 IMDB电影的总收入和因素（R） 建立可能影响电影总收入的多种因素的回归模型 Tableau-Capstone客户端的模拟数据可视化 我使用Tableau仪表板为本地

  3. 所属分类：其它

  1. IMDB电影数据分析-源码

  2. IMDB电影数据分析

  3. 所属分类：其它

  1. Movie-Analysis-for-Phase-1：针对全职数据科学队列的第一阶段项目，为未来的电影投资提供建议-源码

  2. 电影数据审查项目 安德烈斯·拉米雷斯（Andres Ramirez） 在我通过Flatiron学校的数据科学计划进行学习时，该项目是我课程的一部分。 目的： 该项目的目的是根据从IMDB，烂番茄，TMDb和Box Office Mojo提取的数据，为Microsoft Corporation提供电影制作策略的建议。 此次探索所需的信息包括： 哪种类型的电影最适合剧院？ 哪些收视率包括票房最高的电影？ 预期生产成本有多少回报？ 方法： 数据清理 SQL查询 数据可视化 技术： Py

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：45mb
    • 提供者：weixin_42128988

  1. CS5811-分布式数据分析-ML-HPCI：小组项目-源码

  2. CS5811-分布式数据分析 分组项目管道以进行分布式数据分析 链接到主要数据集：- Netflix的数据集（Zaahir）： - 。 Netflix的数据集（Rashmi）： - 。 Netflix的原稿（阿利亚）： - 数据集变量： Show_id 类型 标题 导向器 国家 添加日期 发行年份 缺失数据：- 我们需要为每个电影和电视节目标题添加的数据（imdb数据）。 任何其他会增加维度的数据 任务：-（按任务依赖性排序）。 数据加入：Zaahir。 数据清理：Ali

  3. 所属分类：其它

  1. 部署情绪分析模型-源码

  2. SageMaker部署项目 在这个项目中，我将构建一个递归神经网络，以使用IMDB数据集确定电影评论的情感。 我将使用Amazon的SageMaker服务创建此模型。 另外，我将部署模型并构建一个简单的Web应用程序，该应用程序将与部署的模型进行交互。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：35kb
    • 提供者：weixin_42120541

  1. 自然语言处理：自然语言进动-情感分析-源码

  2. 自然语言处理 自然语言处理-使用机器学习对IMDB电影评论进行情感分析。 情感分析：这是对通过各种算法定义和分类一段文本所指定的观点或表达的过程的总体定义，以便正面或负面地评估作家或帖子对特定主题的态度。 通常，全球范围内的情绪分析概念也涉及中性意见，但我不会考虑到这一点。 情感分析通常被视为对全球推文的研究。 此外，可以通过人们对电影，产品和公司的看法来进行情感分析。 我将对数据集中的批评进行情绪分析，其中包含对IMDB中电影的批评。 我将尝试显示重要事项的答案，例如我们可以使用哪些分类器，

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：390kb
    • 提供者：weixin_42131424

  1. doc2vec：使用Doc2Vec嵌入的长文本表示和分类-源码

  2. Doc2Vec文本分类 文本分类模型，该模型使用gensim Doc2Vec生成段落嵌入，并使用scikit-learn Logistic回归进行分类。 数据集 25,000个IMDB电影评论，特别选择用于情感分析。 评论的情绪是二进制的（1表示肯定，0表示否定）。 与以下出版物相关联地收集了此源数据集： Andrew L. Maas, Raymond E. Daly, Peter T. Pham, Dan Huang, Andrew Y. Ng, and Christopher Pott

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：12mb
    • 提供者：weixin_42136826

  1. Netflix-Clone：像Netflix这样的具有SPA客户端和后端的全栈应用程序，在面向服务的体系结构中实现-源码

  2. Netflix克隆 结帐分支“ React-View”仅适用于带有React Redux的前端Netflix Clone 快速链接 演示版 现场演示 演示： 影片示范 科技栈 ∙ Web客户端和客户端数据管理 ∙ ∙面向服务的体系结构中的Web服务器和服务 ∙ Web刮板，数据管道 电影的持久数据库 ∙用户的持久数据库 ElasticSearch分析数据可视化 实施重点 具有React和Redux的单页面应用程序Web客户端 面向服务的架构后端 REST用于客户端服务器通信，JSON

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：12mb
    • 提供者：weixin_42109639

  1. 情感分析-火炬：IMDb数据集上的火炬情感分析-源码

  2. 使用PyTorch进行情感分析 存储库将引导您完成构建完整的情感分析模型的过程，该模型将能够预测给定评论的极性（无论表达的观点是肯定的还是负面的）。 要在其上训练模型的数据集是流行的IMDb电影评论数据集。 目录 第一个笔记本涵盖了从原始数据集中加载数据，特征提取和分析，文本预处理以及训练/验证/测试集准备的过程。 第二篇教程包含有关如何设置词汇对象的说明，该对象将负责以下任务： 创建数据集的词汇表。 根据稀有词出现和句子长度过滤数据集。 将单词映射到其数字表示形式（word2index）

  3. 所属分类：其它

  1. nlp-tutorial：NLP（自然语言处理）教程列表-源码

  2. NLP教程 在PyTorch上构建的NLP（自然语言处理）教程列表。 目录 有关如何实现和适应简单的实词NLP任务的分步教程。 文字分类 此仓库提供了带有简单注释的简单PyTorch文本分类实现。 在这里，我们使用Huffpost新闻语料库，包括相应的类别。 在此数据集上训练的分类模型基于新闻标题和描述来识别新闻文章的类别。 关键字： CBoW，LSTM，fastText，文本文字化 此文本分类教程在IMDb电影评论数据集上训练了一个变压器模型，用于情感分析。 它提供了带有简单注释的简单PyT

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：963mb
    • 提供者：weixin_42119866

  1. 电影评级和预测模型：该项目的目的是利用IMDB数据集生成有意义和有趣的见解，然后根据平均IMDB评级和用户鸣叫的情绪分析得分来创建电影评级模型。 并创建准确的机器学习模型，以基于一些关键功能预测平均电影收视率-源码

  2. 电影分级和预测模型 目的 该项目的目的是利用IMDB数据集生成有意义和有趣的见解，然后基于IMDB的平均评分和用户鸣叫的情感分析得分来创建电影评分模型。 还要创建一个准确的机器学习模型，根据一些关键功能预测平均电影收视率，并通过使用大数据技术进行数据处理来使系统具有可扩展性，然后将系统托管在Google Cloud上。 使用的技术 火花 齐柏林飞艇 朱皮特 Twitter API Google Cloud Engine 情感分析（文本斑点） Python HTML5 CSS3 Java

  3. 所属分类：其它

« 12 »