Udacity机器学习（进阶）毕业项目

选择的项目

自然语言处理-文档归类

数据获取

参考链接

• 题目仓库
• 论文格式
• 使用scikitlearn进行分类
• tensorflow word2vec
• Comparison of FastText and Word2Vec

开题

• 开题报告模板
• 开题报告评审标准-英文
• 开题报告评审标准-中文

开题报告主要包括以下7个主题部分：

• 项目背景：项目涉及的相关研究领域
• 问题描述：解决办法所针对的具体问题
• 输入数据：问题中涉及的数据或输入是什么
• 解决办法：针对给定问题的解决方案
• 基准模型：用来与你的解决方案进行比较的一些简单的、过去的模型或者结果
• 评估指标：衡量你解决方案的标准
• 设计大纲：你的解决方案如何实现，如何获取结果

项目报告

• 项目评审标准

项目报告参考

新闻组文件分类（英文）

识别街景数字

文档分类

银行客户分类

环境安装

conda create -n mlnd_capstone python=3.6
activate mlnd_capstone
conda install pandas matplotlib jupyter notebook scipy scikit-learn

# for cpu
conda install tensorflow

# for gpu
conda install tensorflow-gpu

# use pip install to keep tensorflow package
pip install keras

conda install gensim nltk lime

# nltk data download
import nltk
nltk.download('punkt')
nltk.download('wordnet')

Glovec Glovec预训练词向量 Wikipedia 2014 + Gigaword 5