很久没怎么练字了，有点生疏了，重习胆巴碑，狼毫太涩，纸太湮墨，心也不够沉，希望后面多加练习。
五色斑驳似锦球，群鸟齐鸣朝霞飞。 彩云燃遍天边际，无尽风光在琼城。
端午节再临般若波罗蜜多心经
琼海一日游
IT从业人员的写照，你符合几条？ 都说人在江湖，身不由己，看甲方看领导看老婆看小孩，还有更艰难的是不可说不可做。。。
Python数据挖掘、Python机器学习、Python深度学习的书籍买了不少本了，但真正读下来的却很少，为何？涉及高等数学，图论、离散数学等等，对我来说和天文差不多了，其实我只想做一个懂数据挖掘的人，不想研究那些深奥的理论知识。
词云主要包括三块内容，一块是词库，一块是分词，一块是可视化，一般来说词库和分词是密不可分的，分词会自带一些词库，当然也可以按照词库的格式要求引入一些停用词库、专业词库、自定义词库。此外在词库和分词英文和中文是完全不同的。
亲和性问题属于关联分析，关联分析采用的是Apriori算法和FP-growth算法，不过很奇怪的是，scikit-learn没有内置这些算法，需要靠代码来实现。
jieba 是一个python实现的分词库，对中文有着很强大的分词能力。通过版本一、二、四、五演示了如何一步步提升分词的可用性，当然一两天的功夫很难全部了解jieba的全部功能。
数据预处理，数据挖掘过程中需要对数据集进行预处理进行数据的转换。此外sklearn也提供了流水线，流水线的作用是使数据挖掘步骤标准化。
本笔记介绍两种分类算法——决策树和随机森林决策树，用它预测NBA篮球赛的获胜球队。比起其他算法，决策树有很多优点，其中最主要的一个优点是决策过程是机器和人都能看懂的，我们使用机器学习到的模型就能完成预测任务。
河流图能够动态的直观的反映出多个指标随着时序的变化而变化。matplotlib中提供了stackplot图表，后查询了很多材料，需要通过scipy的spline进行插值法处理，经过几天的反复测试，今天终于完全搞定了。
pkuseg是由北京大学语言计算与机器学习研究组研制推出的一套全新的中文分词工具包。从用法上pkuseg和jieba相差无几，pkuseg不支持直接使用自定义词库，当然通过函数也能扩展；从分词的实际效果上也相差不大。
主成分分析算法（PCA）的目的是找到能用较少信息描述数据集的特征组合。它意在发现彼此之间没有相关性、能够描述数据集的特征，确切说这些特征的方差跟整体方差没有多大差距，这样的特征也被称为主成分。
TF-IDF是一种用于信息检索与数据挖掘的常用加权技术。 TF意思是词频,表示词条在文档d中出现的频率。 IDF意思是逆文本频率指数。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
