我不是药神 python分析

1#-- coding: utf-8 --
2from bs4 import BeautifulSoup
3import requests
4import pandas
5import time
6newarry = []
7user_agent = ‘*
8headers = {‘User_Agent’: user_agent}
9for i in range(15):
10 gradeUrl = ‘https://movie.douban.com/celebrity/1274297/partners?start=‘+str(i*10)
11 res = requests.get(gradeUrl, headers)
12 soup = BeautifulSoup(res.content, ‘html.parser’).find(class_=’article’)
13 for item in soup.find_all(class_=’partners item’):
14 partner = item.select(‘a’)[1].text
15 times = item.select(‘li’)[1].text
16 collect_num = item.select(‘li’)[2].text
17 url_list = item.select(‘li’)[1]
18 for url in url_list.find_all(‘a’):
19 each_page = requests.get(url.get(‘href’), headers)
20 sub_res = BeautifulSoup(each_page.content, ‘html.parser’)
21 info = sub_res.find(id=’wrapper’)
22 movie_name = info.select(‘span[property=”v:itemreviewed”]’)[0].text
23 print(movie_name)
24 director = info.find(class_=’attrs’).select(‘a’)[0].text
25 types = ’ ‘.join([style.text for style in info.select(‘span[property=”v:genre”]’)])
26 if info.find(class_=’ll rating_num’) is None:
27 rate = 0
28 else:
29 rate = info.find(class_=’ll rating_num’).text
30 newarry.append({
31 ‘partner’: partner.split(” “)[0],
32 ‘time’: times[5],
33 ‘collect_num’: collect_num,
34 ‘movie_name’: movie_name,
35 ‘director’: director,
36 ‘types’: types,
37 ‘rating’: rate
38 })
39 time.sleep(2)
40 print(newarry)
41
42new_df = pandas.DataFrame(newarry, columns=[‘partner’, ‘time’, ‘collect_num’, ‘movie_name’, ‘director’, ‘types’, ‘rating’])
43new_df.to_excel(‘D:\partner.xlsx’)
44print(new_df)

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值