爬取内容为 该图片下的七个分类, 然后对应的每个种类的书本信息(摘要和目录) 效果为 代码如下 import requests from bs4 import BeautifulSoup import re import time from selenium import webdriver fro ...
分类：
编程语言 时间：
2021-01-01 12:57:34
阅读次数：
0
1：Category中有load方法吗？load方法是什么时候调用的？load 方法能继承吗？ 有load方法 load方法在runtime加载类、分类的时候调用 load方法可以继承，但是一般情况下不会主动去调用load方法，都是让系统自动调用 2：initialize方法如何调用,以及调用时机 ...
分类：
其他好文 时间：
2021-01-01 12:35:24
阅读次数：
0
【举一反三】: 剑指27.字符串的排列 ☆☆回溯算法入门级经典题目，理论讲解及分类习题：回溯算法入门级详解 + 练习（持续更新） 思路1：标记数组 思路2：交换位置。相比思路1，空间复杂度低。 class Solution { public List<List<Integer>> permute(i ...
分类：
其他好文 时间：
2020-12-31 12:49:19
阅读次数：
0
人工智能主要分支 人工智能,机器学习,深度学习 机器学习是人工智能的一个实现途径,深度学习是机器学习的一个子集. 主要分支介绍 通讯,感知与行动是现代人工智能的三个关键能力,在这里我们将根据这些能力/应用对这三个技术领域进行介绍: (1) 计算机视觉(CV) (2) 自然语言处理(NPL) (3) ...
分类：
其他好文 时间：
2020-12-30 11:01:53
阅读次数：
0
一.类的分类 在前面一章我们简单介绍了一些类的分类 1.新式类 继承了 object 的类以及该类的子类, 都是新式类 (Python3中统一都是新式类) 在 Python3 中如果一个类没有继承任何类, 则默认会继承 object 类, 也就是Python3中所有的类都是新式类 🍔在"Pytho ...
分类：
其他好文 时间：
2020-12-30 10:57:11
阅读次数：
0
在上一篇文章末尾，小夕提到了“机器学习是实现自然语言处理的正确道路”。其实确实如此，纵观整个自然语言处理的发展史，也是纵观整个人工智能的发展史，从诞生到现在，机器学习不仅是在理论和工程上实现自然语言处理的目前最佳选择，也是最贴近生物掌握自然语言处理能力的本能方式。从规则到统计，再到如今深度学习这个特殊而一般的统计，这条发展之路***在自然语言处理的几乎每一个应用场景。如中文分词，从最初的最大匹配法（
分类：
其他好文 时间：
2020-12-29 11:51:26
阅读次数：
0
在那很久很久以前，可爱的小夕写了一篇将逻辑回归小题大做的文章，然后在另一篇文章中阐述了逻辑回归的本质，并且推广出了softmax函数。从那之后，小夕又在一篇文章中阐述了逻辑回归与朴素贝叶斯的恩仇录，这两大祖先级人物将机器学习的国度划分为两大板块——生成式与判别式。后来，朴素贝叶斯为了将自己的国度发扬光大，进化出了贝叶斯网以抗衡逻辑回归，一雪前耻。然而，傲娇的逻辑回归怎能就此善罢甘休呢？ps：对上面
分类：
其他好文 时间：
2020-12-29 11:51:06
阅读次数：
0
在我重新抱起概率统计的课本之前，我一直都不清楚似然函数为什么是那样子的，只知道照着公式敲代码（那时候还没有tensorflow），于是出过各种糗：“啊？似然函数不就是交叉熵吗？”“机器学习中的似然函数怎么看起来跟概率统计课本里的不一样呢？”“学长学长，我把这个model的输出接上交叉熵后怎么报错了？”“似然函数”名字的意义已经在以前的多篇文章中提过了，更通用的定义来说，似然函数就是衡量当前模型参数
分类：
其他好文 时间：
2020-12-29 11:50:10
阅读次数：
0
在线性代数（一）中，小夕主要讲解了映射与矩阵的关系；在线性代数（二）中，小夕讲解了映射视角下的特征值与特征向量的物理意义。本文与下一篇会较为透彻的解析一下向量的二范数与一范数，他们在机器学习任务中是最常用，有时甚至是核心的东西哦。首先，来一个俗俗的开篇。向量x的p范数表示如下：由此，p=1、p=2就分别代表1范数和2范数。本文只看p=2的情况。二范数相信大家在大一学线性代数的时候就已经被灌输了“用
分类：
其他好文 时间：
2020-12-29 11:49:08
阅读次数：
0
开篇高能预警！本文前置知识：1、理解特征函数/能量函数、配分函数的概念及其无向图表示，见《逻辑回归到受限玻尔兹曼机》和《解开玻尔兹曼机的封印》；2、理解特征函数形式的逻辑回归模型，见《逻辑回归到最大熵模型》。从逻辑回归出发，我们已经经过了朴素贝叶斯、浅层神经网络、最大熵等分类模型。显然，分类模型是不考虑时间的，仅仅计算当前的一堆特征对应的类别。因此，分类模型是“点状”的模型。想一下，如果我们有一个
分类：
其他好文 时间：
2020-12-29 11:48:54
阅读次数：
0
