Python 如何解释gensim';s Word2vec最相似的方法,并了解它是如何实现的';这就是输出值
我试图在一个问题上实现word2vec。我将简要解释我的问题陈述: 我在处理临床数据。我想根据一组症状预测前N种疾病Python 如何解释gensim';s Word2vec最相似的方法,并了解它是如何实现的';这就是输出值,python,nlp,gensim,word2vec,word-embedding,Python,Nlp,Gensim,Word2vec,Word Embedding,我试图在一个问题上实现word2vec。我将简要解释我的问题陈述: 我在处理临床数据。我想根据一组症状预测前N种疾病 Patient1: ['fever', 'loss of appetite', 'cold', '#flu#'] Patient2: ['hair loss', 'blood pressure', '#thyroid'] Patient3: ['hair loss', 'blood pressure', '#flu] .. .. Patient30000: ['vomiting'
Patient1: ['fever', 'loss of appetite', 'cold', '#flu#']
Patient2: ['hair loss', 'blood pressure', '#thyroid']
Patient3: ['hair loss', 'blood pressure', '#flu]
..
..
Patient30000: ['vomiting', 'nausea', '#diarrohea']
注:
1.前缀为#的词为诊断,其余为症状
有谁能帮我回答这些问题或强调一下这种方法的缺点/优点吗?Word2vec将根据疾病的共现情况为您提供代表每种疾病的n维向量。这意味着您将每个症状表示为一个向量 一排-
X = ['fever', 'loss of appetite']
X_onehot= [[0,0,0,1,0,0,0,0,0,0,0],
[0,0,0,0,0,0,0,0,1,0,0]]
X_word2vec= [[0.002,0.25,-0.1,0.335,0.7264],
[0.746,0.6463,0.0032,0.6301,0.223]]
Y = #flu
现在,您可以通过取word2vec的平均值来表示数据中的每一行,例如-
X_avg = [[0.374 ,0.44815, -0.0484, 0.48255, 0.4747]]
现在,数据集中的每一行都有一个5长度的特征向量和一个类。接下来,您可以将其视为任何其他机器学习问题
如果你想预测疾病,那么只需在列车测试分割后使用分类模型。这样您就可以验证数据
对word2vec向量使用余弦相似性只会产生类似的症状。它不会让你建立一个疾病推荐模型,因为这样你就可以根据其他类似的症状推荐一个症状。评论不用于扩展讨论;这段对话已经结束。