Machine learning - Wikipedia

{ "cells": [ { "cell_type": "markdown", "source": [ "# चुनौती: डेटा विज्ञान बारे पाठ विश्लेषण\n", "\n", "> *यस नोटबुकमा, हामी विभिन्न URL - मेशिन लर्निङ्ग सम्बन्धी विकिपिडिया लेख प्रयोग गर्ने प्रयोग गर्छौँ। तपाईं देख्न सक्नुहुन्छ कि डेटा विज्ञान भन्दा फरक यो लेखमा धेरै शब्दहरू छन्, जसले विश्लेषणलाई अझ जटिल बनाउँछ। हामीले कुञ्जीशब्द निकाल्ने काम गरेपछि डाटा सफा गर्ने अर्को तरिका फेला पार्नु पर्छ, जसले केही बारम्बार आउने तर अर्थहीन शब्द संयोजनहरू हटाउन सकियोस्।*\n", "\n", "यस उदाहरणमा, हामी परम्परागत डेटा विज्ञान प्रक्रियाका सबै चरणहरू समेट्ने साधारण अभ्यास गरौं। तपाईंले कुनै कोड लेख्न जरूरी छैन, तलका सेलहरू क्लिक गरेर तिनीहरू चलाउन र परिणाम हेर्न सक्नुहुन्छ। चुनौतीको रूपमा, तपाईंलाई यो कोड विभिन्न डाटासँग प्रयोग गर्न प्रोत्साहित गरिन्छ। \n", "\n", "## लक्ष्य\n", "\n", "यस पाठमा, हामी डेटा विज्ञानसँग सम्बन्धित विभिन्न अवधारणाहरू छलफल गर्दै आएका छौं। अब केही **पाठ खानी** गरेर सम्बन्धित थप अवधारणाहरू पत्ता लगाउने प्रयास गरौं। हामी डेटा विज्ञानको बारेमा एउटा पाठबाट सुरु गर्नेछौं, त्यसबाट कुञ्जीशब्द निकाल्नेछौं, र त्यसपछि परिणामलाई दृश्यमा उतार्नेछौं।\n", "\n", "पाठको रूपमा, म विकिपिडियाको डेटा विज्ञान पृष्ठ प्रयोग गर्नेछु:\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "code", "execution_count": 2, "source": [ "url = 'https://en.wikipedia.org/wiki/Data_science'\r\n", "url = 'https://en.wikipedia.org/wiki/Machine_learning'" ], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "## चरण 1: डाटा प्राप्त गर्दै\n", "\n", "हरेक डेटा विज्ञान प्रक्रियाको पहिलो चरण हो डाटा प्राप्त गर्नु। हामी त्यसका लागि `requests` पुस्तकालय प्रयोग गर्नेछौं:\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 3, "source": [ "import requests\r\n", "\r\n", "text = requests.get(url).content.decode('utf-8')\r\n", "print(text[:1000])" ], "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "\n", "\n", "\n", "\n", "Machine learning - Wikipedia\n", "