小子令狐冲

最近在学习文本分析，包括爬虫、文本清洗、词向量、机器学习建模等，一边学一边做个案例，希望各位大虾多给点意见~整体思路爬取大众点评十大热门糖水店的评论，爬取网页后从html页面中把需要的字段信息（顾客id、评论时间、评分、评论内容、口味、环境、服务、店铺ID）提取出来并存储到MYSQL数据库中。网页爬取和解析链接格式为"http://www.dianping.com/shop/" + sho...

初探文本分类，本文使用的数据是5000条中文新闻文本数据，目的是使用朴素贝叶斯算法，对中文新闻文本进行分类预测。流程如下：文本数据载入及清洗搜狗新闻数据源：http://www.sogou.com/labs/resource/ca.php我们从搜狗下载的数据是类似XML的带标签对的数据，因此需要使用正则表达式或者BeautifulSoup等工具处理为dataframe格式，如下图，大家通过...

最近看完了《机器学习实战》和天池直播课堂中的决策树算法，觉得意犹未尽，特别是信息熵部分理解并不透彻，于是又把西瓜书中的决策树看了，略有感悟，希望与大家分享一下，下面我按照自己的理解，尽量用通俗的语言总结记录下决策树算法。1.决策树介绍举个通俗的栗子来解释一下什么是决策树，想象一个女孩的母亲要给这个女孩介绍男朋友： 女儿：有没有房子？母亲：有。 女儿：长的帅不帅？母亲：挺帅...

用python从零开始搭建人工神经网络什么是人工神经网络？分类神经网络主要是处理分类问题，比如垃圾邮件识别：现在有一封电子邮件，把其中的所有词汇提取出来，放到机器里，机器判断这封邮件是否垃圾邮件。这种能自动对输入的东西进行分类的机器，就叫做分类器(classifier)。 分类器的输入是一个数值向量，叫做特征向量。比如在垃圾邮件识别例子中，用0,1分别代表字典中的单词在...

不用框架，纯Python识别手写字体​ 有一句话说得好，要有造轮子的技术和用轮子的觉悟，今年来人工智能火的不行，大家都争相学习机器学习，作为学习大军中的一员，我觉得最好的学习方法就是用python把机器学习算法实现一遍，下面我介绍一下用逻辑回归实现手写字体的识别。逻辑回归知识点回顾​ 线性回归简单又易用hθ(x)=θTxhθ(x)=θTxh_\theta(x)=\theta...

    转行一年！写一篇文章来总结一下，也希望给想转行的同学一点经验。    先说一下我的背景，高中理科生，数学很好，大学读的一所普通211经管专业，由于不是自己喜欢的专业，四年吃喝玩乐的就过去了，毕业进了一家国企的孙公司做跨境物流运营。国企各部门间政治斗争比较严重，凡是涉及跨部门的合作都要走流程，流程还特别长。工资不高、发展前景模糊都促使我产生新的想法，结合我个人兴趣、特长和时代发展趋势，我选择...

MeU教材归纳pandas入门： http://nbviewer.jupyter.org/github/py-bin/ipynb_share/blob/master/pandas_rumen/Pandas_rumen.ipynb 美国总统竞选赞助数据分析： http://nbviewer.jupyter.org/github/py-bin/ipynb_share/blob/master/...

我们日常拿到的数据，指标字段有时会混入非数字的数据，这时候会影响我们的操作，nameheightHang180Ben145ChonotknowXIn189比如read_csv读入时，该列会以object形式读入，也不能直接进行计算，不然会出现如unsupported operand type(s) for +: 'float' and 'str'的错误这时候就需要进行数据预处理，清除掉指标值中非数...

18年第一本读完的书——《数学之美》。读完数学之美，才真正明白“数学是科学的皇后”这句名言。这本书以简单的语言介绍了数学在日常科技中的应用，下面我们来总结一下书中的科技应用场景以及涉及到的数学原理。1、语音识别、机器翻译1.1马尔可夫假设”一个句子是否合理，就看它的可能性大小如何，即这个句子出现的概率”一个句子S的概率P(S)等于句子里面每个词（w1,w2,w3...wn）按顺序出现的概率P(w1...

pandas使用NaN（Not a Number）表示浮点和非浮点数组中的缺失数据，Python内置的None值也会被当做NA处理，pandas对象上的所有描述统计都排除了缺失数据。NA处理方法方法说明dropna根据各标签的值是否存在缺失数据对轴标签进行过滤，可通过阈值调节对缺失值的容忍度fillna用指定值或插值方法（如ffill或bfill）填充缺失数据isnull返回布尔对象，表示那些值是...

1、基本的索引和切片基本索引与切片与python列表操作类似arr = [1,2,3,4,5]arr[2:4] #[3,4]当把标量值赋予给一个切片时（如arr[2:4]=12），该值会广播到整个选区。注意数组切片是原始数组的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数据上。多维数据索引中，索引位置上的元素不是标量，而是一维数组了arr2=np.array([[1,2,3...

#利用字典将两个通讯录文本合并为一个文本ftele1=open('TeleAddressBook.txt','r')ftele2=open('EmailAddressBook.txt','r')ftele1.readline()#跳过第一行ftele2.readline()lines1 = ftele1.readlines()lines2 = ftele2.readlines()

GitHub桌面版的操作GitHub桌面版对于个人用户非常方便，不用去记忆那么多的命令，只需要懂得一些概念，然后点击界面即可。1 下载GitHub桌面版下载客户端，这里推荐大家去官网下载：https://desktop.github.com/点击download即可:（官网只提供了windows和mac版本，暂时没有linux版，让我们一起期待吧~）

字典的主要属性：通过键来读取而不是通过偏移（如列表）任意对象的无序集合属于可变映射类型可变长、异构、任意嵌套对象引用表（散列表）常见字典操作操作解释D={}创建空字典D={'sapm':3,'eggs':2}D={'food':{'ham':1,'egg',2}}字典的嵌套D=dict.from

Pandas索引df['列名']得到一个单独列In[9]:kuandai['分公司']Out[9]: 入网时间2018-01-04 深圳2018-01-04 深圳2018-01-05 深圳......df[2:5]得到行的切片In[14]:kuandai[2:4]Out[14]: 入网时间 KD012指标 付费方式 付费类型 光宽类型 分公司 十六大渠道 ...

下列笔记实例数据源均为宽带339日模型数据，均已import下列库import numpy as npimport pandas as pdfrom pandas import Series, DataFramepct_change()Series.pct_change(periods=1, fill_method='pad', limit=None, freq=None, **kwargs)[s

以下内容为我学习中国大学MOOC，嵩天老师的Python语言程序设计的学习笔记，感谢中国大学MOOC，感谢嵩天老师一、打开文件 = open(, )文件名，文件路径 打开模式r      只读，如果文件不存在，则输出错误w只写，如果文件不存在，则自动创建文件a表示附加到文件末尾，如果文件不存在，则自动创建文件r