Quantitative Text Analysis and Scaling in R
Run an unsupervised document scaling model Plot the output of the unsupervised scaling model
By the end of this project, you will learn about the concept of document scaling in textual analysis in R. You will know how to load and pre-process a data set of text documents by converting the data set into a corpus and document feature matrix. You will know how to run an unsupervised document scaling model and explore and plot the scaling outcome.
Навыки, которые вы получите
- Text Analysis
- Document Scaling
- Unsupervised Learning
- Data Visualization (DataViz)
- Text Corpus
Будете учиться пошагово
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Load textual data into R and turn it into a corpus object and understand the concept of document scaling in textual analysis
Extract meta-data from text document filenames and subset the data frame to exclude unwanted data
Tokenize and clean the dataset and convert the data into a document feature matrix
Run an unsupervised document scaling model and explore the output
Plot the output of the unsupervised scaling model
Как устроены проекты с консультациями
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
Преподаватели
Часто задаваемые вопросы
Часто задаваемые вопросы
Что я получу, приобретя проект с рекомендациями?
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Какие преподаватели ведут проекты с рекомендациями?
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Какие предварительные знания требуются для работы над проектом с рекомендациями?
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Как организована учеба на проектах с рекомендациями?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera Footer
