榜单
服务器优惠
AI论文
-
第4章 基于概率论的分类方法：朴素贝叶斯
第4章 基于概率论的分类方法：朴素贝叶斯 朴素贝叶斯 概述 贝叶斯理论 & 条件概率 贝叶斯理论 条件概率 使用条件概率来分类 朴素贝叶斯 场景 朴素贝叶斯 原理 朴素贝叶斯 工作原理 朴素贝叶斯 开发流程 朴素贝叶斯 算法特点 朴素贝叶斯 项目案例 项目案例1: 屏蔽社区留言板的侮辱性言论 项目概述 开发流程 项目案例2: 使用朴... -
简介
简介 面向人群 食用方法 方法一 方法二 目录 原书地址 引用 本项目 将《动手学深度学习》 原书中MXNet代码实现改为PyTorch实现。原书作者：阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者，GitHub地址：https://github.com/d2l-ai/d2l-zh 此书的中 英 ... -
概述
概述 概述 HTML 是网页使用的语言，定义了网页的结构和内容。浏览器访问网站，其实就是从服务器下载 HTML 代码，然后渲染出网页。 HTML 的全名是“超文本标记语言”（HyperText Markup Language），上个世纪90年代由欧洲核子研究中心的物理学家蒂姆·伯纳斯-李（Tim Berners-Lee）发明。它的最大特点就是支持超... -
7.2 支持向量机
支持向量机 第一层、了解SVM 1.1、线性分类 1.1.1、分类标准 1.1.2、1或-1分类标准的起源：logistic回归 1.1.3、形式化标示 1.2、线性分类的一个例子 1.3、函数间隔Functional margin与几何间隔Geometrical margin 1.3.1、函数间隔Functional margin 1.3.2、... -
一、爬虫原理与数据抓取
课程背景 我们生活在一个充满数据的时代。每天，来自商业、社会以及我们的日常生活所产生「图像、音频、视频、文本、定位信息」等各种各样的海量数据，注入到我们的万维网（WWW)、计算机和各种数据存储设备，其中万维网则是最大的信息载体。数据的爆炸式增长、规模庞大和广泛可用的数据，使得我们真正进入到了“大数据（Big Data）时代”。我们急需功能强大的数据处理... -
Webpack介绍
Webpack 功能 1.对文件的支持 2.对JSON的支持 3.对JS 预处理器的支持 4.对模板的支持 5.对Style的支持 6.对各种框架的支持 安装方式 使用 Webpack 随着 SPA（Single Page App) 单页应用的发展，大家发现，使用的js/css/png等文件特别多。难以管理。文件夹结构很容易混乱。 ... -
7.3 朴素贝叶斯分类器
7.3 朴素贝叶斯分类器 7.3 朴素贝叶斯分类器 不难看出：原始的贝叶斯分类器最大的问题在于联合概率密度函数的估计，首先需要根据经验来假设联合概率分布，其次当属性很多时，训练样本往往覆盖不够，参数的估计会出现很大的偏差。为了避免这个问题，朴素贝叶斯分类器（naive Bayes classifier）采用了“属性条件独立性假设”，即样本数据的所... -
第三章 改进神经网络的学习方法（下）
第三章 改进神经网络的学习方法（下） 权重初始化 练习 问题 再看手写识别问题：代码 问题 如何选择神经网络的超参数 问题 练习 练习 其他技术 随机梯度下降的变种 练习 问题 人工神经元的其他模型 练习 有关神经网络的故事 第三章 改进神经网络的学习方法（下） 权重初始化 创建了神经网络后，我们需要进行权重和偏... -
朴素贝叶斯与情感分析
朴素贝叶斯与情感分析 朴素贝叶斯与情感分析 情感分析的目的是判断作者的态度或意见： 情感分析的例子之一是判断一篇评论是正面的还是反面的，我们可以用朴素贝叶斯算法来实现。 我们可以用Pang&Lee 2004的影评数据来测试，这份数据集包含1000个正面和1000个负面的评价，以下是一些示例： 本月第二部连环杀人犯电影实在太糟糕了！虽然开头... -
8 深入阅读
8 深入阅读 8 深入阅读 本章的附加材料发布在http://nltk.org/ ，包括网络上免费提供的资源的链接。关于使用 NLTK 分析的更多的例子，请看在http://nltk.org/howto 上的分析 HOWTO。 有许多关于句法的入门书籍。(O’Grady et al, 2004) 是一个语言学概论，而(Radford, 1988) ...