随着在线医疗行业从 “流量红利” 转向 “质量竞争”，平台如何通过数据挖掘优化医患匹配、提升服务质量，成为突破增长瓶颈的关键。作为数据科学团队，我们曾为多家医疗平台提供数据分析咨询服务，本文内容正改编自此前为在线医疗头部平台设计的用户生态优化项目 —— 通过对丁香医生平台的医生信息与患者评论数据深度分析，解决 “如何识别高价值医生”“患者核心诉求是什么”“服务行为是否真能提升满意度” 等核心业务问题。
在数字化浪潮席卷各行各业的当下，数据已成为驱动决策的核心要素。
主成分分析（PCA）作为数据科学中用于可视化和降维的重要工具，在处理具有大量特征的数据集时非常有用。
本研究旨在帮助客户利用房价数据集进行数据分析，该数据集包含82个变量和2930个数据点。
判别分析(Discriminant analysis）是一种统计分析方法，旨在通过将一组对象（例如观察数据）分类到已知类别的组中，来发现不同组之间的差异。
航班延误是航空公司、旅客和机场管理方面都面临的一个重要问题。
随着互联网的普及和移动端的应用的飞速发展,消费者在各大电商平台进行活动交易时产生了大量的行为数据,在线评论文本就是其中一种。
开源软件存储库上有数千个开源软件，可以从中免费使用该软件。
主题模型允许对文档中的术语频率发生进行概率建模。
数据包含有关葡萄牙“Vinho Verde”葡萄酒的信息。该数据集有1599个观测值和12个变量，分别是固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐、酒精和质量。
在这篇文章中，我们讨论了基于gensim 包来可视化主题模型 (LDA) 的输出和结果的技术 。
随着越来越多的数据被数字化，获取信息变得越来越困难。我们在本文中重点关注的一个示例是评估公司面临的不同风险领域。
当前是大数据盛行的时代，各种用户信息行为数据分析的结果影响着人们的生活和学习，同时对图书馆的发展也有着影响。
越来越多的人愿意精神消费。旅游不仅可以提升人们对外地环境和外地人文的认知，也可以放松身心、愉悦心情，是一种受欢迎的精神消费。
Groupon是一个优惠券推荐服务，您可以免费注册Groupon。
从网站提取数据的方法称为网络抓取。
我尝试使用Latent Dirichlet分配LDA来提取一些主题。 本教程以自然语言处理流程为特色，从原始数据开始，准备，建模，可视化论文。
主题建模是一种在大量文档中查找抽象主题的艺术方法。
判别分析是可用于分类和降维的方法。
在这篇文章中，我将介绍用于Latent Dirichlet Allocation（LDA）的lda Python包的安装和基本用法。
在文本挖掘中，我们经常收集一些文档集合，例如博客文章或新闻文章，我们希望将其分成组，以便我们可以分别理解它们。主题建模是对这些文档进行无监督分类的一种方法，类似于对数字数据进行聚类，即使我们不确定要查找什么，也可以找到分组。
我们将首先介绍主题建模和t-SNE，然后将这些技术应用于两个数据集：20个新闻组和推文。
通常，当我们在线搜索信息时，有两种主要方法：关键字 – 使用搜索引擎并输入与我们想要查找的内容相关的单词
链接。链接的页面可能共享相似或相关的内容。
弹幕数据测评：情绪制造机
早在1995年比尔·盖茨就在《未来之路》里说过：未来没有配套智能家居的房子，就是毛坯房。
随着网民规模的不断扩大，互联网不仅是传统媒体和生活方式的补充，也是民意凸显的地带。
高度信息化的今天,社交媒体向我们提供直接认识外界的一个窗口,决定着大家对一个地区的认知，像是一双对地区形象“塑型”的“看不见”的手。
技术干货
最新洞察
视频号
This will close in 0 seconds
