e891377的专栏

生成式人工智能应用工程师学习线路。

Typst 是可用于出版的可编程标记语言，拥有变量、函数与包管理等现代编程语言的特性，注重于科学写作 (science writing)，定位与 LaTeX 相似。数学模式。

标量只有大小概念，没有方向的概念。通过一个具体的数值就能表达完整。比如：重量、温度、长度、提及、时间、热量等都数据标量。向量主要有2个维度：大小、方向。大小：箭头的长度表示大小方向：箭头所指的方向表示方向向量的3种表达方式代数表示、几何表示、坐标表示矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，元素是实数的矩阵称为实矩阵，元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。由 m × n 个数aij排成的m行n列的数表称为m行n列的矩阵，简称m × n矩阵。

笔者编写的《Python金融大数据挖掘与分析全流程详解》于2019年出版面市后，陆续有不少读者表示对该书的爬虫部分非常感兴趣，想做进一步的学习。笔者由此萌生了一个想法：专门针对Python爬虫技术编写一套书籍，在保留之前核心内容的基础上，新增更多实战案例，方便读者在练中学，并体会Python爬虫在实战中的应用。

网络爬虫是当今获取数据不可或缺的重要手段。本书讲解了Python爬虫的进阶理论与技术，帮助读者提升实战水平。全书共7章。第1～3章为常见反爬机制的应对手段，主要内容包括Cookie模拟登录、多种类型的验证码识别、Ajax动态请求破解。第4章为手机App内容爬取。第5章和第6章为Scrapy爬虫框架应用。第7章为爬虫云服务器部署。

Numpy 基础知识参考资料参考资料# https://aistudio.baidu.com/aistudio/projectdetail/225067# ndarray数组和list列表分别完成对每个元素增加1的计算# Python原生的list# 假设有两个lista = [1, 2, 3, 4, 5]b = [2, 3, 4, 5, 6]# 完成如下计算# 1 对...

Notebook快捷键命令模式快捷键编辑模式快捷键

机器学习需要哪些数学基础？过去的几个月中，有几人联系我，诉说他们对尝试进入数据科学的世界，以及用机器学习的技术去探索统计规律并构建无可挑剔的数据驱动型产品的热忱。然而，我发现一些人实际上缺乏必要的数学直觉和知识框架去得到有用的结果。这便是我决定写这篇博文的主要原因。最近涌现出了很多易于使用的机器学习和深度学习的软件包，例如 scikit-learn, Weka, Tensorflow 等等。机器学习理论是统计学、概率学、计算机科学以及算法的交叉领域，是通过从数据中的迭代学习去发现能够被用来构建智能应用的隐

集成学习kNN逻辑回归SVM ---->投票，少数服从多数决策树神经网络贝叶斯用numpy实现什么是集成学习import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsX, y = datasets.make_moons(n_samples=500, noise=0.3, random_state=42)plt.scatter(X[y==0,0], X[y==0

支持向量机SVM之点到直线的距离点到直线的距离推导。式子①×A+②×B得x\textrm{x}x，式子①×(-B)+②×A得y\textrm{y}y，

逻辑回归实现逻辑回归实现import numpy as npfrom .metrics import accuracy_scoreclass LogisticRegression: def __init__(self): """初始化Logistic Regression模型""" self.coef_ = None self.intercept_ = None self._theta = None def _si

线程回归实现线程回归实现,只用numpy ，不用scikt-learn。LinearRegressionimport numpy as npfrom .metrics import r2_scoreclass LinearRegression: def __init__(self): """初始化Linear Regression模型""" self.coef_ = None self.intercept_ = None

Pipeline使用scikit-learn中的管道来简化代码x = np.random.uniform(-3, 3, size=100)X = x.reshape(-1, 1)y = 0.5 * x**2 + x + 2 + np.random.normal(0, 1, 100)from sklearn.pipeline import Pipelinefrom sklearn.preprocessing import StandardScaler# 多项式的特征，数据归一化，线性回归p

什么是多项式回归线性回归多项式回归把x2x^{2}x2理解了一个特征，这样依然是一个线性回归的式子。什么是多项式回归import numpy as np import matplotlib.pyplot as pltx = np.random.uniform(-3, 3, size=100)X = x.reshape(-1, 1)y = 0.5 * x**2 + x + 2 + np.random.normal(0, 1, 100)plt.scatter(x, y)plt.sh

python批量改名def update_files_name(): old_names = os.listdir(path) for old_name in old_names: if old_name!= sys.argv[0]: # 代码本身路径，防止脚本文件放在path路径下时,被一起重命名 if old_name.endswith('.mp4'): #print(old_name

数据归一化 Feature Scaling最值归一化 normalization把所有数据映射到0-1之间适⽤用于分布有明显边界的情况；受outlier影响较⼤大均值方差归一化 standardization均值方差归一化：把所有数据归⼀一到均值为0⽅方差为1的分布中对测试数据集如何归一化测试数据是模拟真实环境• 真实环境很有可能⽆无法得到所有测试数据的均值和⽅方差• 对数据的归⼀一化也是算法的⼀一部分(x_test - mean_train) / std_train模型

knn算法网格搜索06 网格搜索和更多kNN中的超参数import numpy as npfrom sklearn import datasetsdigits = datasets.load_digits()X = digits.datay = digits.targetfrom sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y,

超参数knn算法中，k值就是一个典型的超参数超参数import numpy as npfrom sklearn import datasetsdigits = datasets.load_digits()X = digits.datay = digits.targetfrom sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y,

文章目录手写knn模块kNN.pymetrics.pymodel_selection.py手写knn模块`-- playML |-- __init__.py |-- kNN.py |-- metrics.py `-- model_selection.py其中__init__.py是一个空文件,kNN.pyimport numpy as npfrom math import sqrtfrom collections import Counterfrom .me

文章目录Numpy中重要的概念Fancy IndexingNumpy中的比较和Fancy IndexingFancy IndexingFancy Indexing 应用在二维数组numpy.array的比较使用numpy.array的比较结果比较结果和Fancy Indexing最后一个例子说明参考资料Numpy中重要的概念Fancy IndexingNumpy中的比较和Fancy IndexingFancy Indexingimport numpy as npx = np.arange(16)

文章目录如何导入opencv4.3安卓例子导入下载安卓sdk下载ndk导入samples小提示配置ndk路径和opencvsdk路径ndk路径opencvsdk路径如何导入opencv4.3安卓例子导入下载安卓sdk下载好OpenCV-android-sdk后，解压，我们可以看到LICENSEREADME.androidsamplessdk其中，samples的是Android Studio的例子下载ndk在导入前，你需要先下载好sdk和ndk，导入samples选择小提示

Win10下Visual Studio 2019+OpenCV 4.3.0环境搭建过程安装Visual Studio 2019安装Visual Studio 2019，从官网下载vs_community.exe安装就可以了，记得选c++。下载OpenCV 4.3.0opencv官网https://opencv.org/releases/下载opencv-4.3.0-vc14_vc15.exe，这是一个自解压的exe文件，双击文件，单击Extract解压。添加系统环境变量控制面板–>系

# -*- coding: UTF-8 -*-from aip import AipOcr # 定义常量APP_ID = ''API_KEY = ''SECRET_KEY = '' # 初始化AipFace对象aipOcr = AipOcr(APP_ID, API_KEY, SECRET_KEY) # 读取图片filePath = "test3.png" def get...

scrapy入门#在开始爬取之前，我们首先要创建一个scrapy项目，在命令行输入一下命令即可创建#创建项目scrapy startproject xicidailicd xicidaili#创建爬虫scrapy genspider scrapy001 xicidaili.com创建成功Created spider 'scrapy001' using template 'basi...

二维dp题―编辑距离(edit-distance)给你两个单词 word1 和 word2，请你计算出将 word1 转换成 word2 所使用的最少操作数 。你可以对一个单词进行如下三种操作：插入一个字符删除一个字符替换一个字符示例 1：输入：word1 = "horse", word2 = "ros"输出：3解释：horse -> rorse (将 'h' 替换为 '...

python开发工具pycharm-community版安装教程打开页面我们这里选择community版本，也就是社区版。选择一个安装位置，下一步打钩，这里没有出现JRE下载，可能是笔者的计算机已经安装有JDK8，有说下载JRE的，也不要点，国外网速慢。本地没有安装JRE的，可以到Oracle官网下载。下一步下一步点击Finish，pycharm-community版完成...

零基础入门深度学习必备基础知识深度学习必备基础知识、入门必备数学知识、Python必备基础、深度学习框架开发基础入门四个课程，夯实基础知识，开启广阔未来。学习列表【深度学习必备基础知识】深度学习的发展历程机器学习深度学习如何工作实践：手写数字分类总结【入门必备数学知识】高等数学线性代数行列式矩阵向量线性方程组矩阵的特征值和特征向量二次型概率论和数理统计随机事件...