Supervised Machine Learning for Text Analysis in R

Autor Julia Silge, Emil Hvitfeldt

Supervised Machine Learning for Text Analysis in R - Julia Silge,Emil Hvitfeldt Nedostupné

Supervised Machine Learning for Text Analysis in R

Autor Julia Silge, Emil Hvitfeldt

0.0 z 5 hvězdiček 0 hodnocení čtenářů

Kniha ( měkká vazba )

    • Produkt je nedostupný.
E-shopové listy

Při zaslání zboží balíčkem

K nákupu nad 99 Kč dárek zdarma v hodnotě 19 Kč

E-shopové listy

Gump: Jsme dvojka

Při zaslání zboží balíčkem

K nákupu nad 499 Kč dárek zdarma v hodnotě 299 Kč

Gump: Jsme dvojka

Text data is important for many domains, from healthcare to marketing to the digital humanities, but specialized approaches are necessary to create features for machine learning from language. Supervised Machine Learning for Text Analysis in R explains how to preprocess text data for modeling, train models, and evaluate model performance using… Přejít na celý popis

Panenky Šest těl v rozpadlé kapli, pachatel beze stop. Komisař Venturi a kriminoložka Olivia rozplétají případ, který je osobnější, než se zdá. Vrah má totiž s oběťmi znepokojivý vztah... Více informací

K tomuto produktu zákazníci kupují

Popis Hodnocení 0.0 z 5 hvězdiček 0 Vývoj ceny

Popis

Text data is important for many domains, from healthcare to marketing to the digital humanities, but specialized approaches are necessary to create features for machine learning from language. Supervised Machine Learning for Text Analysis in R explains how to preprocess text data for modeling, train models, and evaluate model performance using tools from the tidyverse and tidymodels ecosystem. Models like these can be used to make predictions for new observations, to understand what natural language features or characteristics contribute to differences in the output, and more. If you are already familiar with the basics of predictive modeling, use the comprehensive, detailed examples in this book to extend your skills to the domain of natural language processing.

This book provides practical guidance and directly applicable knowledge for data scientists and analysts who want to integrate unstructured text data into their modeling pipelines. Learn how to use text data for both regression and classification tasks, and how to apply more straightforward algorithms like regularized regression or support vector machines as well as deep learning approaches. Natural language must be dramatically transformed to be ready for computation, so we explore typical text preprocessing and feature engineering steps like tokenization and word embeddings from the ground up. These steps influence model results in ways we can measure, both in terms of model metrics and other tangible consequences such as how fair or appropriate model results are. 

Sdílet

autoři
Julia Silge | Emil Hvitfeldt
kategorie
Knihy » Cizojazyčná literatura » English literature » Nonfiction » Science
Nakladatel
Taylor & Francis Ltd
Rozměr
233 x 155 x 31
jazyk
angličtina
Vazba
měkká vazba
Hmotnost
608 g
isbn
978-0-367-55419-4
Počet stran
402
datum vydání
22.10.2021
ean
9780367554194

Hodnocení a recenze čtenářů Nápověda

0.0 z 5 0 hodnocení čtenářů

0× 5 hvězdiček 0× 4 hvězdičky 0× 3 hvězdičky 0× 2 hvězdičky 0× 1 hvezdička

Přidejte své hodnocení knihy

Načíst další hodnocení

Zobrazit všechna hodnocení

Přidat hodnocení

Vývoj ceny

Vývoj ceny Nápověda

Získejte přehled o vývoji ceny za posledních 60 dní.

Maloobchodní cena Minimální prodejní cena: 0 Kč Nápověda

Články, které stojí za pozornost

Zobrazit blog

Články, které stojí za pozornost