1樓：匿名使用者
有兩大類，一類是主觀性：主觀、客觀、中性；一類是情感傾向：褒義、貶義、中性。
文字分析的話，主要是對詞、句子中觀點的挖掘。
你所說的機器學習法，現在基本用於對電影觀點的打分系統吧。基本上就是利用分類計數，對文件中存在的情感進行分類的。
就我個人理解而言，我認為機器學習法只是情感文字分析的方**之一，至於資料探勘，也是通過對文件的資料收取，進**感分析的。也是對情感文字分析的方**之一。
所以，情感分析是主體的話，文字分類、機器學習、資料探勘都是方式方法。這些方法可以共同應用在乙個情感分析中，也可以分別獨立存在。
目前英文類的文字情感分析比較多，中文類的相對少一點，你要做這方面的研究路漫漫其修遠啊。嘿嘿。
資料探勘，情感分析，深度學習具體步驟是？
2樓：匿名使用者
有兩大類，一類是主觀性：主觀、客觀、中性；一類是情感傾向：褒義、貶義、中性。
文字分析的話，主要是對詞、句子中觀點的挖掘。 你所說的機器學習法，現在基本用於對電影觀點的打分系統吧。基本上就是利用分類計數，對文件中存在的情感進行分資料探勘，情感分析，深度學習具體步驟是？
學習資料探勘需不需要學習,學習資料探勘需不需要學習spark
不一定，如果你不用hadoop的hdfs和yarn，完全可以在學習spark的時候從本地載入資料，部署用standlone模式。spark替代的是hadoop中的mapreduce程式設計正規化，不包括儲存和資源管理模組。spark的運算元很多，寫程式來看比hadoop mapreduce要靈活很多...
資料探勘建模和演算法區別，資料探勘與資料分析的區別是什麼？
資料來挖掘建模可以稱為源乙個手段，一整套方bai案，來實現目標，它是du個大方向 用決zhi策樹建模可以dao 認為是比較具體的策略，套路，但是也包含了很多細緻的演算法 c4.5或c5.0這是具體的決策樹演算法。如 目標 把樹弄倒 資料探勘建模 用砍的方式，弄倒 決策樹建模 用鐵器將樹砍倒 c5.0...
資料探勘具體要做什麼，資料探勘是做什麼的
資料探勘的用處有很多，在這裡我只想從技術和應用兩個層面來簡單談談。1 從技術層面來說，按照資料探勘產出的知識可以粗分為兩大類 描述型挖掘和 型挖掘。描述型挖掘是對現有資料的進一步精煉和歸納，從中抽取中更巨集觀的反映數 據特徵的概念描述。舉個例子來說，某家銀行有幾百萬客戶，資料倉儲中儲存了每個客戶的人...