A. python 文本挖掘 怎麼無監督選取特徵
挖掘與文本分類的有關問題中，常採用特徵選擇方法。原因是文本的特徵一般都是單詞(term)，具有語義信息，使用特徵選擇找出的k維子集，仍然是單詞作為特徵，保留了語義信息，而特徵提取則找k維新空間，將會喪失了語義信息。
B. python excel 文本挖掘
兩個簡單思路給你
把xls保存成csv，用csv模塊讀取，然後python完全處理
使用xlrd直接讀取，然後python處理
C. 中文文本挖掘R語言和Python哪個好
單就數據分析對比，我認為R的優勢有：
1、學習先易後難，不會把小白們嚇掉；
2、數據科學的包特別多
3、可視化特別吊
R的缺點也不少：
1、R經常更新，更新後經常不支持之前你安裝的包；我電腦里安裝了10+個R的版本，不停的切換
2、R語言的包、函數名起的很隨意，看名字不知道是干什麼用的，記不起名字如何讓小白使用啊。
3、R語言社區人少，遇到問題你只能自己解決
4、即使有RStudio，寫代碼還是不方便
下面再說下python，優點：
1、是一門看的懂的，說人話的語言。庫名、函數名都很好理解記憶，而且你看別人寫的代碼基本知道這代碼的意思，不信你試試。
2、數據獲取占優勢，數據分析第一步是數據獲取，現在人文社科很多數據需要網上抓取，不過就抓數據而言，python更占優勢。各種教程，代碼，網上一大片。
3、社區人數特別多，基本你遇到的問題都能找到
python的缺點：
1、學習起來，開頭很難，學習曲線與R正好相反。
2、公平起見，我還是寫上，python的數據分析庫不如R多
3、可視化不如R
綜合下，建議大家學習python，語言通俗易懂，功能強大，越來越簡單。
D. R與Python文本挖掘誰更強
必然python
分類，情感分析等，sklearn 裡面很多方法，pattern 里有情感分析的模塊，nltk 中也有一些分類器。
jieba是詞頻分析必備神器
E. 對於機器學習和文本挖掘，python和java哪個更合適
您好， 針對機器學習領域和文本挖掘，都是python的強項， 對於機器學習與文本挖掘，python有大量的第三方庫可以使用， python同時也是非常適合寫網路爬蟲的，然後對爬下來的數據進行文本的挖掘。
F. python 用於文本挖掘有哪些比較好的開源工具
beautifulsoup. scarpy可以做文本收集
beautifulsoup,和正則可以進行文件數據分析
pyenchant 可以進行英文拼寫糾錯
POS Tagging。nltk 是不二選擇，還可以使用 pattern
分詞,中文使用jieba分詞,英文使用K1分詞
G. python什麼是文本分析
文本分析是指對文本的表示及其特徵項的選取；文本分析是文本挖掘、信息檢索的一個基本問題，它把從文本中抽取出的特徵詞進行量化來表示文本信息。
而Python有大量庫，例如jieba、jingjia2等能夠對文字進行分析。
通過對問半天呢內容的分析，能夠在短時間知道一段文字的標簽是什麼，情感是什麼等等。
H. python數據挖掘——文本分析
作者 | zhouyue65
來源 | 君泉計量
文本挖掘：從大量文本數據中抽取出有價值的知識，並且利用這些知識重新組織信息的過程。
一、語料庫（Corpus）
語料庫是我們要分析的所有文檔的集合。
二、中文分詞
2.1 概念：
中文分詞（Chinese Word Segmentation）：將一個漢字序列切分成一個一個單獨的詞。
eg：我的家鄉是廣東省湛江市-->我/的/家鄉/是/廣東省/湛江市
停用詞（Stop Words）：
數據處理時，需要過濾掉某些字或詞
√泛濫的詞，如web、網站等。
√語氣助詞、副詞、介詞、連接詞等，如 的，地，得；
2.2 安裝Jieba分詞包：
最簡單的方法是用CMD直接安裝：輸入pip install jieba，但是我的電腦上好像不行。
後來在這里：https://pypi.org/project/jieba/#files下載了jieba0.39解壓縮後 放在Python36Libsite-packages裡面，然後在用cmd，pip install jieba 就下載成功了，不知道是是什麼原因。
然後我再anaconda 環境下也安裝了jieba，先在Anaconda3Lib這個目錄下將jieba0.39的解壓縮文件放在裡面，然後在Anaconda propt下輸入 pip install jieba，如下圖：
2.3 代碼實戰：
jieba最主要的方法是cut方法：
jieba.cut方法接受兩個輸入參數:
1) 第一個參數為需要分詞的字元串
2）cut_all參數用來控制是否採用全模式
jieba.cut_for_search方法接受一個參數：需要分詞的字元串,該方法適合用於搜索引擎構建倒排索引的分詞，粒度比較細
注意：待分詞的字元串可以是gbk字元串、utf-8字元串或者unicode
jieba.cut以及jieba.cut_for_search返回的結構都是一個可迭代的generator，可以使用for循環來獲得分詞後得到的每一個詞語(unicode)，也可以用list(jieba.cut(...))轉化為list代碼示例( 分詞 )
輸出結果為： 我 愛
Python
工信處
女幹事
每月 經過 下屬 科室 都 要 親口
交代
24 口 交換機 等 技術性 器件 的 安裝
工作
分詞功能用於專業的場景：
會出現真武七截陣和天罡北斗陣被分成幾個詞。為了改善這個現象，我們用導入詞庫的方法。
但是，如果需要導入的單詞很多，jieba.add_word()這樣的添加詞庫的方法就不高效了。
我們可以用jieba.load_userdict(『D:PDM2.2金庸武功招式.txt』)方法一次性導入整個詞庫，txt文件中為每行一個特定的詞。
2.3.1 對大量文章進行分詞
先搭建語料庫：
分詞後我們需要對信息處理，就是這個分詞來源於哪個文章。
四、詞頻統計
3.1詞頻（Term Frequency）：
某個詞在該文檔中出現的次數。
3.2利用Python進行詞頻統計
3.2.1 移除停用詞的另一種方法，加if判斷
代碼中用到的一些常用方法：
分組統計：
判斷一個數據框中的某一列的值是否包含一個數組中的任意一個值：
取反：（對布爾值）
四、詞雲繪制
詞雲（Word Cloud）：是對文本中詞頻較高的分詞，給與視覺上的突出，形成「關鍵詞渲染」，從而國旅掉大量的文本信息，使瀏覽者一眼掃過就可以領略文本的主旨。
4.1 安裝詞雲工具包
這個地址：https://www.lfd.uci.e/~gohlke/pythonlibs/ ，可以搜到基本上所有的Python庫，進去根據自己的系統和Python的版本進行下載即可。
在python下安裝很方便，在anaconda下安裝費了點勁，最終將詞雲的文件放在C:UsersAdministrator 這個目錄下才安裝成功。
五、美化詞雲（詞雲放入某圖片形象中）
六、關鍵詞提取
結果如下:
七、關鍵詞提取實現
詞頻（Term Frequency）：指的是某一個給定的詞在該文檔中出現的次數。
計算公式： TF = 該次在文檔中出現的次數
逆文檔頻率（Inverse Document Frequency）：IDF就是每個詞的權重，它的大小與一個詞的常見程度成反比
計算公式：IDF = log（文檔總數/（包含該詞的文檔數 - 1））
TF-IDF（Term Frequency-Inverse Document Frequency）：權衡某個分詞是否關鍵詞的指標，該值越大，是關鍵詞的可能性就越大。
計算公式：TF - IDF = TF * IDF
7.1文檔向量化
7.2代碼實戰
I. python 數據挖掘需要用哪些庫和工具
python 數據挖掘常用的庫太多了！主要分為以下幾大類：
第一數據獲取：request,BeautifulSoup
第二基本數學庫：numpy
第三 資料庫出路 pymongo
第四 圖形可視化 matplotlib
第五 樹分析基本的庫 pandas
數據挖掘一般是指從大量的數據中通過演算法搜索隱藏於其中信息的過程。數據挖掘本質上像是機器學習和人工智慧的基礎，它的主要目的是從各種各樣的數據來源中，提取出超集的信息，然後將這些信息合並讓你發現你從來沒有想到過的模式和內在關系。這就意味著，數據挖掘不是一種用來證明假說的方法，而是用來構建各種各樣的假說的方法。
想要了解更多有關python 數據挖掘的信息，可以了解一下CDA數據分析師的課程。CDA數據分析師證書的含金量是很高的，簡單從兩個方面分析一下：首先是企業對於CDA的認可，經管之家CDA LEVEL Ⅲ數據科學家認證證書，屬於行業頂尖的人才認證，已獲得IBM大數據大學，中國電信，蘇寧，德勤，獵聘，CDMS等企業的認可。CDA證書逐漸獲得各企業用人單位認可與引進，如中國電信、中國移動、德勤，蘇寧，中國銀行，重慶統計局等。點擊預約免費試聽課。