打开网站链接http://archive.ics.uci.edu/ml/,点击链接 view all data sets,打开所有数据页面,点击Instances,按照研究实例由多到少排序,我们小组选择了“Bag of Words Data Set”单词袋子的形式文本数据集。
本次作业解决问题具体化为:文档主题的半监督分类问题。
二、数据分析
(一)认识数据
数据集描述:对于每个文本数据集,D文档的数量,W是文档字典集中单词数量,N是数据中所有单词数量(NNZ为非零数据的数量),在分词器、去无用词之后,去重字典。
Bag of Words Data Set数据集网站提供了两个,这里我们选择数量
相关下载链接:
//download.csdn.net/download/u013268887/9785295?utm_source=bbsseo