1
A
답변
0
은 어쩌면 이것은 최선의 답
그러나 데이터 세트 및 숫자 예측 작은을위한
, 당신은 일반적으로 R, 웨카 또는 scikit 배우기와 같은 다른 도구를 사용하여 더 나을 것입니다. Stanford Classifier가 주로 사용하는 텍스트 데이터는 문자열에서 피쳐를 생성하는 강력하고 유연한 방법을 사용합니다. 그러나 몇 가지 숫자 변수가있는 경우이를 동시에 던질 수 있습니다.
(스탠포드 분류기 페이지에서 인용)
관련 문제
- 1. 자바에서 훈련 된 스탠포드 분류기 저장 및로드
- 2. NLTK 2.0 분류기 배치 분류기 방법
- 3. 자루 분류기
- 4. 비슷한 분류기
- 5. 평가없이 Weka 분류기 모델 만들기
- 6. Jquery 테이블 분류기 -
- 7. 증분 최대 엔트로피 분류기
- 8. 사용자 지정 문자열 분류기
- 9. Winform 슬라이드 분류기 기능
- 10. 스파이크 신경망 분류기 구현
- 11. 이미지 분류기 Keras 예측
- 12. 기사 분류기 정확도 향상
- 13. 테이블 분류기 - 제브라 스트리핑
- 14. EmguCV 캐스케이드 분류기
- 15. jQuery 테이블 분류기
- 16. OpenNLP 분류기 버전 1.8
- 17. 어셔 분류기 작동 방식
- 18. 복수 바이너리 분류기 결합하기
- 19. ngram의 Naive Bayes 분류기
- 20. nltk 베이츠 분류기 재교칭
- 21. 클라이언트 분류기 - 가능합니까?
- 22. TypeScript 용 종속성 분류기
- 23. GentleBoost n-ary 분류기?
- 24. 여행 분류기 API
- 25. matlab의 앙상블 분류기
- 26. 신경망 분류기 (Encog 사용)
- 27. Weka의 퓨전 분류기?
- 28. NLTK에서 선택할 분류기
- 29. 캐스케이드 분류기 방법
- 30. 신경망 분류기 (Python)