月光森林

引言为了练习python，所以到处找资料试着写了一个自己的爬虫。因为是第一个爬虫，所以比较简单，不超过50行。主要源于爬取的网站没有什么限制而且网页排布很规律，也就没有什么技术亮点，单纯的入门爬虫而已。爬取目标及准备python版本：3.4.3爬取对象： 古诗文网(so.gushiwen.org)随便点开一个古诗文网的诗歌页面，观察它的URL地址就会发现，诗歌的地址基本由 “so.gushiwen

引入信息内容安全课杨老师讲了一个tf-idf算法，用于提取一篇文档的关键词。觉得蛮好玩又正好练习python，所以就试着写了一下，特此记录，各位看官请轻拍板砖。tf-idf 算法及其原理偷个懒，直接贴维基百科的解释：至于原理，同样贴图（没错，我就这么懒了怎么样吧。。→_→） ：如果看维基还是了解不清楚的话，推荐阮一峰大神的博客，这个也是我们的老师上课讲的东西。至于其中的数学原理，从维基的原理就很容易

附上新博客地址：月光森林引入仍然是“信息内容安全” 课程的一个实验总结。为了理解整个原理，不但重新复习了一边贝叶斯，还因为对“联合概率”理解不透彻，直接翻译了一篇文章 —— 联合概率（翻译）。特此对整个实验进行总结。准备50封邮件，25封垃圾邮件和25封正常邮件操作系统: ubuntu 16.04python版本: 3.5.2参考 : 贝叶斯推断及互联网应用(一...

信息内容安全的一个作业， 要求用K-means聚类算法对一定量的新闻文本进行分类。为便于总结，同时交作业，以此记之。