刘建平Pinard

最新推荐文章于 2024-08-29 01:25:19 发布

取次花丛懒回顾_12

最新推荐文章于 2024-08-29 01:25:19 发布

阅读量8.3k

点赞数 21

分类专栏：学习导航文章标签：机器学习

本文链接：https://blog.csdn.net/qq_15262671/article/details/78481922

版权

学习导航专栏收录该内容

10 篇文章 6 订阅

订阅专栏

2019年3月4日强化学习(十八) 基于模拟的搜索与蒙特卡罗树搜索(MCTS)
2019年2月15日强化学习(十七) 基于模型的强化学习与Dyna算法框架
2019年2月1日强化学习(十六) 深度确定性策略梯度(DDPG)
2019年1月29日强化学习(十五) A3C
2019年1月15日强化学习(十四) Actor-Critic
2018年12月18日强化学习(十三) 策略梯度(Policy Gradient)
2018年11月8日强化学习(十二) Dueling DQN
2018年10月16日强化学习(十一) Prioritized Replay DQN
2018年10月12日强化学习（十）Double DQN (DDQN)
2018年10月8日强化学习（九）Deep Q-Learning进阶之Nature DQN

Page 1

2018年9月28日强化学习（八）价值函数的近似表示与Deep Q-Learning
2018年9月19日强化学习（七）时序差分离线控制算法Q-Learning
2018年9月9日强化学习（六）时序差分在线控制算法SARSA
2018年8月24日强化学习（五）用时序差分法（TD）求解
2018年8月17日强化学习（四）用蒙特卡罗法（MC）求解
2018年8月12日强化学习（三）用动态规划（DP）求解
2018年8月5日强化学习（二）马尔科夫决策过程(MDP)
2018年7月29日强化学习（一）模型基础
2018年7月15日异常点检测算法小结
2018年7月1日 tensorflow机器学习模型的跨平台上线

Page 2

2018年6月24日用PMML实现机器学习模型的跨平台上线
2018年6月10日用tensorflow学习贝叶斯个性化排序(BPR)
2018年6月3日贝叶斯个性化排序(BPR)算法小结
2018年5月26日特征工程之特征预处理
2018年5月19日特征工程之特征表达
2018年5月13日特征工程之特征选择
2017年8月3日用gensim学习word2vec
2017年7月28日 word2vec原理(三) 基于Negative Sampling的模型
2017年7月27日 word2vec原理(二) 基于Hierarchical Softmax的模型
2017年7月13日 word2vec原理(一) CBOW与Skip-Gram模型基础

Page 3

Page 4

Page 5

Page 6

2017年2月27日深度神经网络（DNN）的正则化
2017年2月24日深度神经网络（DNN）损失函数和激活函数的选择
2017年2月21日深度神经网络（DNN）反向传播算法(BP)
2017年2月20日深度神经网络（DNN）模型与前向传播算法
2017年2月6日分解机(Factorization Machines)推荐算法原理
2017年2月4日用Spark学习矩阵分解推荐算法
2017年2月3日 SimRank协同过滤推荐算法
2017年1月26日矩阵分解在协同过滤推荐算法中的应用
2017年1月25日协同过滤推荐算法总结
2017年1月22日用Spark学习FP Tree算法和PrefixSpan算法

Page 7

Page 8

Page 9

Page 10

Page 11

Page 12

2016年10月30日 scikit-learn 和pandas 基于windows单机机器学习环境的搭建
2016年10月28日机器学习研究与开发平台的选择
2016年10月24日线性回归原理小结
2016年10月19日精确率与召回率，RoC曲线与PR曲线
2016年10月17日交叉验证(Cross Validation)原理小结

# !/usr/bin/env python3
# -*- coding:utf-8 -*-
"""
@author GengYanpeng
@software:PyCharm Community Edition
@time:2018/3/2 18:56
@docs:用于爬去博主博客目录便于学习
"""

import requests
from lxml import etree

urls = ['http://www.cnblogs.com/pinard/default.html?page='+str(i) for i in range(1,10)]
for i,url in enumerate(urls):
  count = 1
  r = requests.get(url)
  tree = etree.HTML(r.text)
  dates = tree.xpath('//div[@class="dayTitle"]/a/text()')
  titles = tree.xpath('//a[@class="postTitle2"]/text()')
  links = tree.xpath('//a[@class="postTitle2"]/@href')
  print('---\nPage\t{}'.format(i+1))
  for d,t,l in zip(dates,titles,links):
    print('{}. {}\t\t[{}]({})'.format(count,d,t,l))
    count += 1
  print('\n\n')