来了

摘要： 下载直接pip install就行 直接挂简单样例代码 import elasticsearch import os import re import json import time from elasticsearch.helpers import bulk # # def es_login(h 阅读全文

摘要： 1、概述： 是一款高性能的、可扩展的信息检索IR工具库，信息检索是文档搜索、文档信息搜索或者文档相关的元数据搜索等操作。 2、索引 ①获取内容 ②建立文档 获取了原始的内容以后，需要对内容进行索引，首先将内容转换为部件（文档），以供搜索引擎查找。比如标题、正文、摘要、作者、链接等。 ③文档分析 搜索 阅读全文

摘要： （回头我自己画个图） 一、推荐系统：个性化推荐的本质是提升信息筛选的效率，如果信息量级小个性化意义不大，需要有大数量级的推荐单位；理论上来说，优质内容越多、类别分布越广泛，个性化推荐效果越好。 二、内容的标准化处理 把内容处理成机器与算法可以理解的特征。 具体处理看业务需求、技术，若是文章、新闻、微 阅读全文

摘要： 优点：数据比较少的时候仍然有效，可以处理多类别问题 缺点：对于输入数据的准备方式比较敏感 适用的数据类型：标称型数据 将一组单词转换为一组数字 使用数字计算概率 著名应用：使用朴素贝叶斯过滤垃圾邮件 分类思路： （1）收集数据：提供文本文件 （2）准备数据：将文本文件解析成词条向量 （3）分析数据： 阅读全文

摘要： Chapter3 11.26 决策树 主要优势：数据形式非常容易理解 可以使用不熟悉的数据集合，并从中提取出一系列规划 给出的结果往往可以匹敌在当前领域具有几十年工作经验的人类专家 优点：计算复杂度不高，输出结果容易理解，对中间值的缺失不敏感，可以处理不相关特征数据 缺点：可能会出现过度匹配的问题 阅读全文

摘要： 写的很粗糙，以后实现了具体的算法再改进内容 ——————————————————————————————————————————————— k近邻算法： 概述： 优点： 1、精度高，对异常值不敏感，无数据输入假定 缺点：计算复杂高，空间复杂高 适用数据范围：数值型与标称型 原理：存在一个样本数据集合 阅读全文

摘要： 11.23 排名前10的数据挖掘算法： C4.5决策树，K-mean，支持向量机，Apriori、最大期望算法（EM） PageRank算法，AdaBoost算法，k-近邻算法（kNN） 朴素贝叶斯算法（NB）、分类回归树(CART) 分类问题：有限个数的类别 回归：连续数据的预测 通常有两套独立的 阅读全文

摘要： 最近在做一个ai推荐明星项目，首先需要进行数据的收集所以这些天都在着手爬虫其中需要我完善师兄爬的数据，自己爬百度百科去完善数据库里的词条在启动爬虫的时候碰到一个问题需要我遍历表单，提取明星名、作品名分别更改爬虫关键词启动爬虫→收集数据但是碰到一个问题，这需要我在循环中调用爬虫自己写的时候 一直碰到R 阅读全文

摘要： C7 卷积神经网络CNN中新增了Convolution层和Pooling层，其连接顺序是：Convolution-Relu-Pooling，靠近输出层使用Affine-ReLU组合①全连接：相邻层的所有神经元之间都有连接②卷积层：以多维的数据形式接收输入数据，其输入输出数据称为“特征图”卷积运算：相 阅读全文

摘要： C6 与学习相关 1、参数的更新①参数的最优化：找到使得损失函数值尽可能小的参数SGD：随机梯度下降法，醉着梯度方向更新参数缺点：如果函数形状非均向，呈延伸状，搜索的路径就会非常低效 momentum：动量引入一个v初始化时，v什么都不保存当第一次调用update()时，v会以字典型变量形式保存参数 阅读全文