小编use*_*350的帖子

我有一个数据库,我根据以下三个字段存储数据:id,text,{labels}.请注意,每个文本都已分配给多个label\tag\class.我想构建一个模型(weka\rapidminer\mahout),它可以推荐\将一堆标签\标签\类分类到给定的文本.

我听说过SVM和朴素贝叶斯分类器,但不确定它们是否支持多标签分类.任何指导我正确方向的东西都非常受欢迎!

如何获取第二列等于4或6的行？

a = np.array(np.mat('1 2; 3 4; 5 6; 7 4'))
b = [4,6]

显然,这不起作用:

c = a[a[:,1] in b]

我有一个有两列的表:

aaa     bbb
a1      b2
a1      b6
a1      b2
a1      b2
a1      b5
a1      b6
a2      b2
a2      b2
a2      b2
a2      b6
a2      b6
a2      b5

这些列都不应被视为已排序.我想要做的是找到最优雅的方式来计算aaa,bbb给出aaa的多少组合,然后采用最流行的组合(100说)并减去所有剩余组合(10说)的总和,这是预计会比受欢迎的人少.输出应该是元素aaa以及这两个数字之间的差异.例如,上面的输出应该如下:

var     cnt
a1      0
a2      0

有任何想法吗？

给出清单:

li = ['a', 'b', 'new', 'mpilgrim', 'z', 'example', 'new', 'two', 'elements']

如何找到包含字符串的(第一个)索引amp？注意amp包含单词example.

仅供参考,这有效: li.index("example")

但这不是: li.index("amp")

我如何在3个维度中绘制以下数据？(显然,还有更多!)

data = [[10, 10, 0.84496124031007758],
        [10, 20, 0.87209302325581395],
        [10, 30, 0.88139534883720927],
        [20, 10, 0.86201550387596892],
        [20, 20, 0.87441860465116272],
        [20, 30, 0.88992248062015500],
        [30, 10, 0.87984496124031009],
        [30, 20, 0.89922480620155043],
        [30, 30, 0.92015503875968996]]