Machine learning - Wikipedia

{ "cells": [ { "cell_type": "markdown", "source": [ "# Thử thách: Phân tích văn bản về Khoa học Dữ liệu\n", "\n", "> *Trong sổ tay này, chúng ta thử nghiệm sử dụng các URL khác nhau - bài viết wikipedia về Máy học. Bạn có thể thấy rằng, không giống như Khoa học Dữ liệu, bài viết này chứa rất nhiều thuật ngữ, điều này làm cho việc phân tích trở nên phức tạp hơn. Chúng ta cần tìm ra một cách khác để làm sạch dữ liệu sau khi thực hiện trích xuất từ khóa, để loại bỏ một số cụm từ thường xuyên xuất hiện nhưng không mang ý nghĩa.* \n", "\n", "Trong ví dụ này, hãy làm một bài tập đơn giản bao gồm tất cả các bước trong quy trình khoa học dữ liệu truyền thống. Bạn không cần phải viết bất kỳ mã nào, bạn chỉ cần nhấp vào các ô bên dưới để thực thi chúng và quan sát kết quả. Là một thử thách, bạn được khuyến khích thử đoạn mã này với dữ liệu khác.\n", "\n", "## Mục tiêu\n", "\n", "Trong bài học này, chúng ta đã thảo luận về các khái niệm khác nhau liên quan đến Khoa học Dữ liệu. Hãy thử khám phá thêm các khái niệm liên quan bằng cách thực hiện một số **khai thác văn bản**. Chúng ta sẽ bắt đầu với văn bản về Khoa học Dữ liệu, trích xuất các từ khóa từ nó, và sau đó thử trực quan hóa kết quả.\n", "\n", "Là một văn bản, tôi sẽ sử dụng trang về Khoa học Dữ liệu từ Wikipedia:\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": [ "## Bước 1: Lấy dữ liệu\n", "\n", "Bước đầu tiên trong mọi quy trình khoa học dữ liệu là lấy dữ liệu. Chúng ta sẽ sử dụng thư viện `requests` để làm việc đó:\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", "