A. python 文本挖掘 怎么无监督选取特征
挖掘与文本分类的有关问题中，常采用特征选择方法。原因是文本的特征一般都是单词(term)，具有语义信息，使用特征选择找出的k维子集，仍然是单词作为特征，保留了语义信息，而特征提取则找k维新空间，将会丧失了语义信息。
B. python excel 文本挖掘
两个简单思路给你
把xls保存成csv，用csv模块读取，然后python完全处理
使用xlrd直接读取，然后python处理
C. 中文文本挖掘R语言和Python哪个好
单就数据分析对比，我认为R的优势有：
1、学习先易后难，不会把小白们吓掉；
2、数据科学的包特别多
3、可视化特别吊
R的缺点也不少：
1、R经常更新，更新后经常不支持之前你安装的包；我电脑里安装了10+个R的版本，不停的切换
2、R语言的包、函数名起的很随意，看名字不知道是干什么用的，记不起名字如何让小白使用啊。
3、R语言社区人少，遇到问题你只能自己解决
4、即使有RStudio，写代码还是不方便
下面再说下python，优点：
1、是一门看的懂的，说人话的语言。库名、函数名都很好理解记忆，而且你看别人写的代码基本知道这代码的意思，不信你试试。
2、数据获取占优势，数据分析第一步是数据获取，现在人文社科很多数据需要网上抓取，不过就抓数据而言，python更占优势。各种教程，代码，网上一大片。
3、社区人数特别多，基本你遇到的问题都能找到
python的缺点：
1、学习起来，开头很难，学习曲线与R正好相反。
2、公平起见，我还是写上，python的数据分析库不如R多
3、可视化不如R
综合下，建议大家学习python，语言通俗易懂，功能强大，越来越简单。
D. R与Python文本挖掘谁更强
必然python
分类，情感分析等，sklearn 里面很多方法，pattern 里有情感分析的模块，nltk 中也有一些分类器。
jieba是词频分析必备神器
E. 对于机器学习和文本挖掘，python和java哪个更合适
您好， 针对机器学习领域和文本挖掘，都是python的强项， 对于机器学习与文本挖掘，python有大量的第三方库可以使用， python同时也是非常适合写网络爬虫的，然后对爬下来的数据进行文本的挖掘。
F. python 用于文本挖掘有哪些比较好的开源工具
beautifulsoup. scarpy可以做文本收集
beautifulsoup,和正则可以进行文件数据分析
pyenchant 可以进行英文拼写纠错
POS Tagging。nltk 是不二选择，还可以使用 pattern
分词,中文使用jieba分词,英文使用K1分词
G. python什么是文本分析
文本分析是指对文本的表示及其特征项的选取；文本分析是文本挖掘、信息检索的一个基本问题，它把从文本中抽取出的特征词进行量化来表示文本信息。
而Python有大量库，例如jieba、jingjia2等能够对文字进行分析。
通过对问半天呢内容的分析，能够在短时间知道一段文字的标签是什么，情感是什么等等。
H. python数据挖掘——文本分析
作者 | zhouyue65
来源 | 君泉计量
文本挖掘：从大量文本数据中抽取出有价值的知识，并且利用这些知识重新组织信息的过程。
一、语料库（Corpus）
语料库是我们要分析的所有文档的集合。
二、中文分词
2.1 概念：
中文分词（Chinese Word Segmentation）：将一个汉字序列切分成一个一个单独的词。
eg：我的家乡是广东省湛江市-->我/的/家乡/是/广东省/湛江市
停用词（Stop Words）：
数据处理时，需要过滤掉某些字或词
√泛滥的词，如web、网站等。
√语气助词、副词、介词、连接词等，如 的，地，得；
2.2 安装Jieba分词包：
最简单的方法是用CMD直接安装：输入pip install jieba，但是我的电脑上好像不行。
后来在这里：https://pypi.org/project/jieba/#files下载了jieba0.39解压缩后 放在Python36Libsite-packages里面，然后在用cmd，pip install jieba 就下载成功了，不知道是是什么原因。
然后我再anaconda 环境下也安装了jieba，先在Anaconda3Lib这个目录下将jieba0.39的解压缩文件放在里面，然后在Anaconda propt下输入 pip install jieba，如下图：
2.3 代码实战：
jieba最主要的方法是cut方法：
jieba.cut方法接受两个输入参数:
1) 第一个参数为需要分词的字符串
2）cut_all参数用来控制是否采用全模式
jieba.cut_for_search方法接受一个参数：需要分词的字符串,该方法适合用于搜索引擎构建倒排索引的分词，粒度比较细
注意：待分词的字符串可以是gbk字符串、utf-8字符串或者unicode
jieba.cut以及jieba.cut_for_search返回的结构都是一个可迭代的generator，可以使用for循环来获得分词后得到的每一个词语(unicode)，也可以用list(jieba.cut(...))转化为list代码示例( 分词 )
输出结果为： 我 爱
Python
工信处
女干事
每月 经过 下属 科室 都 要 亲口
交代
24 口 交换机 等 技术性 器件 的 安装
工作
分词功能用于专业的场景：
会出现真武七截阵和天罡北斗阵被分成几个词。为了改善这个现象，我们用导入词库的方法。
但是，如果需要导入的单词很多，jieba.add_word()这样的添加词库的方法就不高效了。
我们可以用jieba.load_userdict(‘D:PDM2.2金庸武功招式.txt’)方法一次性导入整个词库，txt文件中为每行一个特定的词。
2.3.1 对大量文章进行分词
先搭建语料库：
分词后我们需要对信息处理，就是这个分词来源于哪个文章。
四、词频统计
3.1词频（Term Frequency）：
某个词在该文档中出现的次数。
3.2利用Python进行词频统计
3.2.1 移除停用词的另一种方法，加if判断
代码中用到的一些常用方法：
分组统计：
判断一个数据框中的某一列的值是否包含一个数组中的任意一个值：
取反：（对布尔值）
四、词云绘制
词云（Word Cloud）：是对文本中词频较高的分词，给与视觉上的突出，形成“关键词渲染”，从而国旅掉大量的文本信息，使浏览者一眼扫过就可以领略文本的主旨。
4.1 安装词云工具包
这个地址：https://www.lfd.uci.e/~gohlke/pythonlibs/ ，可以搜到基本上所有的Python库，进去根据自己的系统和Python的版本进行下载即可。
在python下安装很方便，在anaconda下安装费了点劲，最终将词云的文件放在C:UsersAdministrator 这个目录下才安装成功。
五、美化词云（词云放入某图片形象中）
六、关键词提取
结果如下:
七、关键词提取实现
词频（Term Frequency）：指的是某一个给定的词在该文档中出现的次数。
计算公式： TF = 该次在文档中出现的次数
逆文档频率（Inverse Document Frequency）：IDF就是每个词的权重，它的大小与一个词的常见程度成反比
计算公式：IDF = log（文档总数/（包含该词的文档数 - 1））
TF-IDF（Term Frequency-Inverse Document Frequency）：权衡某个分词是否关键词的指标，该值越大，是关键词的可能性就越大。
计算公式：TF - IDF = TF * IDF
7.1文档向量化
7.2代码实战
I. python 数据挖掘需要用哪些库和工具
python 数据挖掘常用的库太多了！主要分为以下几大类：
第一数据获取：request,BeautifulSoup
第二基本数学库：numpy
第三 数据库出路 pymongo
第四 图形可视化 matplotlib
第五 树分析基本的库 pandas
数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘本质上像是机器学习和人工智能的基础，它的主要目的是从各种各样的数据来源中，提取出超集的信息，然后将这些信息合并让你发现你从来没有想到过的模式和内在关系。这就意味着，数据挖掘不是一种用来证明假说的方法，而是用来构建各种各样的假说的方法。
想要了解更多有关python 数据挖掘的信息，可以了解一下CDA数据分析师的课程。CDA数据分析师证书的含金量是很高的，简单从两个方面分析一下：首先是企业对于CDA的认可，经管之家CDA LEVEL Ⅲ数据科学家认证证书，属于行业顶尖的人才认证，已获得IBM大数据大学，中国电信，苏宁，德勤，猎聘，CDMS等企业的认可。CDA证书逐渐获得各企业用人单位认可与引进，如中国电信、中国移动、德勤，苏宁，中国银行，重庆统计局等。点击预约免费试听课。