随笔分类 -  数据分析与挖掘

该文被密码保护。

摘要：https://github.com/tesseract-ocr/tesseract https://github.com/tesseract-ocr/tessdata 字体识别训练库 https://github.com/rmtheis/tess-two 一个对tesseract库进行了增强的包装 阅读全文

摘要：from scipy.signal import savgol_filter import matplotlib.pyplot as plt cc = savgol_filter(c, 99, 1) plt.plot(c)plt.plot(cc)plt.show() from matplotlib.collections import LineCollection import numpy a... 阅读全文

摘要：scrapy 抓取网页并存入 mongodb的完整示例： https://github.com/rmax/scrapy-redis https://github.com/geekan/scrapy-examples # Multifarious(多样的) Scrapy examples. https 阅读全文

摘要：scrapy + celery: Scrapy原生不支持js渲染，需要单独下载[scrapy-splash](GitHub - scrapy-plugins/scrapy-splash: Scrapy+Splash for JavaScript integration), scrapy建议和Beau 阅读全文

摘要：awesome-machine-learning: https://github.com/josephmisiti/awesome-machine-learning 阅读全文

摘要：话说在尝试设置download_delay小于1，并且无任何其他防止被ban的策略之后，我终于成功的被ban了。 关于scrapy的使用可参见之前文章： http://blog.csdn.net/u012150179/article/details/34913315 http://blog.csdn 阅读全文

摘要：http://segmentfault.com/q/1010000002404545 技术站点 Hacker News：非常棒的针对编程的链接聚合网站 Programming reddit：同上 MSDN：微软相关的官方技术集中地，主要是文档类 infoq：企业级应用，关注软件开发领域 OSChin 阅读全文

摘要：Knowledge Graph大规模数据处理：hadoop、spark[Spark是一个基于内存计算的开源的集群计算系统，目的是让数据分析更加快速。Spark非常小巧玲珑，由加州伯克利大学AMP实验室的Matei为主的小团队所开发。使用的语言是Scala，项目的core部分的代码只有63个Scala... 阅读全文