Ga naar hoofdinhoud

Cursus

Text mining met bag-of-words in R

GemiddeldVaardigheidsniveau

Bijgewerkt 05-2024

Leer de bag-of-words-techniek voor tekstmining met R.

Start Cursus Kosteloos

RMachine Learning4 u15 videos69 Opdrachten5,700 XP44,249Prestatieverklaring

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Wil je 2 of meer mensen trainen?

Probeer DataCamp for Business

Cursusbeschrijving

Er wordt geschat dat meer dan 70% van potentieel bruikbare bedrijfsinformatie ongestructureerd is, vaak in de vorm van tekstdata. Text mining biedt een verzameling technieken waarmee we bruikbare inzichten uit ongestructureerde data kunnen halen. In deze cursus verkennen we de basis van text mining met de bag-of-words-methode. De eerste drie hoofdstukken behandelen uiteenlopende essentiële onderwerpen voor het analyseren en visualiseren van tekstdata. In het laatste hoofdstuk pas je alles wat je hebt geleerd toe in een praktijkcase om inzichten te halen uit werknemersreviews van twee grote techbedrijven.

Vereisten

1

Jumping into Text Mining with Bag-of-Words

2

Word Clouds and More Interesting Visuals

This chapter will teach you how to visualize text data in a way that's both informative and engaging.

Common text mining visuals

Test your understanding of text mining

Frequent terms with tm

Frequent terms with qdap

Intro to word clouds

A simple word cloud

Stop words and word clouds

Plot the better word cloud

Improve word cloud colors

Use prebuilt color palettes

Other word clouds and word networks

Find common words

Visualize common words

Visualize dissimilar words

Polarized tag cloud

Visualize word networks

Teaser: simple word clustering

Hoofdstuk Beginnen

3

Adding to Your TM Skills

In this chapter, you'll learn more basic text mining techniques based on the bag of words method.

Simple word clustering

Test your understanding of text mining

Distance matrix and dendrogram

Make a dendrogram friendly TDM

Put it all together: a text-based dendrogram

Dendrogram aesthetics

Using word association

Getting past single words

N-gram tokenization

Changing n-grams

How do bigrams affect word clouds?

Different frequency criteria

Changing frequency weights

Capturing metadata in tm

Hoofdstuk Beginnen

4

Battle of the Tech Giants for Talent

This chapter ties everything together with a case study in text mining for HR analytics.

Amazon vs. Google

Organizing a text mining project

Step 1: Problem definition

Step 2: Identifying the text sources

Step 3: Text organization

Text organization

Working with Google reviews

Steps 4 & 5: Feature extraction & analysis

Feature extraction & analysis: amzn_pros

Feature extraction & analysis: amzn_cons

amzn_cons dendrogram

Word association

Quick review of Google reviews

Cage match! Amazon vs. Google pro reviews

Cage match, part 2! Negative reviews

Step 6: Reach a conclusion

Draw conclusions, insights, or recommendations

Draw another conclusion, insight, or recommendation

Hoofdstuk Beginnen

Text mining met bag-of-words in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf Je Nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Text mining met bag-of-words in R!

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.