cv君的博客

NLP自然语言处理技术，我将长期连载NLP技术，分享论文，源码，新科技，以学习为目的，建议大家关注博主，不断更，一起进步~本文为原理篇，部分来源网络资源，本文目的是综述NLP，让朋友们更清晰地明白！后期会不断实战训练。自然语言处理NLP概述自然语言处理（Natural language processing，NLP）是计算机和人类语言之间的关系纽带。更具体地说，自然语言处理是计算机对自然语言的理解、分析、操纵和/或生成。自然语言处理（NLP）可以被定义为人类语言的自动（或半自动）处理。“NLP..

再刷DT，看完记得关注，能看完的是有缘人回归树import numpy as npfrom sklearn.tree import DecisionTreeRegressorimport matplotlib.pyplot as pltN = 100x = np.random.rand(N) * 6 - 3x.sort()y = np.sin(x) + np.random.rand(N) * 0.05# y[5] = 5print(y)x = x.reshape(-1, 1).

决策树——既能分类又能回归的模型在现实生活中，我们会遇到各种选择，不论是选择男女朋友，还是挑选水果，都是基于以往的经验来做判断。如果把判断背后的逻辑整理成一个结构图，你会发现它实际上是一个树状图，这就是我们今天要讲的决策树。决策树学习的目的是为了生成一颗泛化能力强，即处理未见示例能力强的决策树，其基本流程遵循简单而直观的 分而治之 (Divide and Conquer) 策略，如下图所示：决策树的生成是一个自根结点一直到叶结点的递归生成过程。在递归生成的伪代码表述中，可以看到，有三个地方导致递归

写在前文：最近在涉猎推荐系统，可谓是内容繁多，我会偏向机器学习&深度学习方向探究推荐系统，尤其是协同过滤算法~一起学习吧协同过滤简介：​ 协同过滤(Collaborative Filtering)作为推荐算法中最经典的类型，包括在线的协同和离线的过滤两部分。所谓在线协同，就是通过在线数据找到用户可能喜欢的物品，而离线过滤，则是过滤掉一些不值得推荐的数据，比如推荐值评分低的数据，或者虽然推荐值高但是用户已经购买的数据。协同过滤的模型一般为m个物品，m个用户的数据，只有部分用户和部分数据之