Mr.Scofield

几个名词解释:大数据、Hadoop、云计算、机器学习、NLP、数据挖掘大数据：大数据是相对于传统"小数据"的，传统由于数据处理的成本很高，所以只能处理部分信息系统中产生的非常规范的数据，而对于文本、图片等数据不能处理，而且数据量非常大的话，只能通过抽样的方式来降低数据量。大数据的所谓4个特征是，Volume（数据量大，海量数据），Variety（数据类型多，文本/音频/

学习笔记：各大神经网络框架下(tensorflow, pytorch, theano, keras)实现几个基础结构神经网络(mlp, autoencoder, CNNs, recurrentNN, recursiveNN)several basic neural networks[mlp, autoencoder, CNNs, recurrentNN, recursiveNN] impl

在TensorFlow (RNN)深度学习下 BiLSTM+CRF 跑 sequence labeling 双向LSTM+CRF跑序列标注问题去年底样子一直在做NLP相关task,是个关于序列标注问题。这 sequence labeling属于NLP的经典问题了，开始尝试用HMM，哦不，用CRF做baseline，by the way, 用的CRF++。关于CRF的理论就不再啰

数据挖掘 NLP 之 文本挖掘 文本处理 通用流程  数据挖掘中的文本挖掘不论是对于企业应用，还是研究者工作，或者是参与数据竞赛项目，都是基础的工作。通过前面的一些实践工作，现总结出文本挖掘文本处理的通用流程。注意，这里的文本挖掘任务主要指的是如文本分类、文本聚类、信息抽取、情感分类等等的常规NLP问题。一、获取语料获取文本语料通

NLP 主题抽取Topic LDA代码实践 gensim包 代码        分享一个代码实践：用gensim包的LDA模型实践NLP的一个典型任务，主题抽取。        顺带提一点，对于NLP任务，最好的方式就是先在代码上跑通起来，然后再进行理论深究，最后自己实现DIY学习模型算法框架。        顺带再提一点，跑通NLP或者ML任务，推荐在Python下用

NLP 工具包 大调查 自然语言处理工具包合集                可以想一想，如何你把NLP领域的所有的工具都能掌握的数如家珍，是不是很NB？必然的。                只用过这里面的一部分。。。                这份调查是基于使用语言差别来归纳的，别问我什么这么分类哈。。。一、多语言多环境编译1、THULA

从不同角度看机器学习的几种学习方式：1、在线学习与离线学习offline learning and online learning. In offline learning, the whole training data must be available at the time of model training. Only when training is c

DeepNLP的表示学习·词嵌入来龙去脉·深度学习（Deep Learning）·自然语言处理（NLP）·表示（Representation）词向量、word embedding、分布式表示、word2vec、glove 术语解释！自然语言处理表示学习词向量、word2vec无门槛理解！ 其实顺便分享下，在我个人的方法论思维中，一个带有完整上下文以及结构构建良好的知识框架，在某种程度上，比一些细枝末节的详细知识点来的重要的多了！因为，一旦构建了一个完备的知识结构框架，那么剩下你要做的是将一些零零碎

ubuntu 升级 tensorflow 到 0.11.0版本之前在ubuntu上安装的比较早的0.8版本的TensorFlow，现在遇到一些库的不兼容问题，所以得升级下tf包。1：确认最可升级的最高版本【https://www.tensorflow.org/versions/】，注意两点：a).你的平台是cpu 还是gpu    b).官方对应的版本有没有你的cp

机器学习资源大全本列表选编了一些机器学习领域牛B的框架、库以及软件（按编程语言排序）。C++计算机视觉CCV —基于C语言/提供缓存/核心的机器视觉库，新颖的机器视觉库OpenCV—它提供C++, C, Python, Java 以及 MATLAB接口，并支持Windows, Linux, Android and Mac OS操作系统。

机器学习之数据集划分： 训练集 验证集 测试集Q：将数据集划分为测试数据集和训练数据集的常用套路是什么呢？A：three ways shown as follow:1.像sklearn一样，提供一个将数据集切分成训练集和测试集的函数：默认是把数据集的75%作为训练集，把数据集的25%作为测试集。2.交叉验证（一般取十折交叉验证：10-fold

过去半年以来，自然语言处理领域进化出了一件神器。此神器乃是深度神经网络的一种新模式，该模式分为：embed、encode、attend、predict四部分。本文将对这四个部分娓娓道来，并且剖析它在两个实例中的用法。人们在谈论机器学习带来的提升时，往往只想到了机器在效率和准确率方面带给人们的提升，然而最重要的一点却是机器学习算法的通用性。如果你想写一段程序来识别社交媒体平台上的侮辱性帖

解决Ubuntu安装tensorflow报错：tensorflow-0.5.0-cp27-none-linux_x86_64.whl is not a supported wheel on this platform.TensorFlow only be installed under a 64bit platform but not a 32bit machine!亲，TensorFlow是不支持32位机的~

python机器学习包 Windows10下 pip安装 scikit-learn numpy scipyrequirements:` windows10` python2.7` pip9.0.1` numpy` scipy` sklearn1  pip的安装1.1  下载pip下载地址是：https://pypi.python.

python pandas 报错：TypeError: parser_f() got an unexpected keyword argument 'skip_blank_lines'在用pandas读取csv数据进行处理时，报了个错：pd.read_csv(train_path, delimiter='\t', quoting=csv.QUOTE_NONE, skip_bla

深度学习DeepLearning papers初学者入门推荐学习论文清单（供下载）—————————————每一位DL初学者都想找到一条卓有成效的学习路线，我推荐的是沿着历史发展路线将前辈们的经典papers一一读一遍。所以有的兄弟已经做好了工作了：这里有位仁兄的(Deep Learning Papers Reading Roadmap就归纳了还比较齐全的paper清单。里面提供了下载器，但限于TGW的

概率图模型学习笔记：HMM、MEMM、CRF原创博客，转载请注明出处。From Scofield. RxNLP一、Preface二、Prerequisite    2.1 概率图         2.1.1 概览         2.1.2 有向图 vs. 无向图         2.1.3 马尔科夫假设&马尔科夫性     2.2 判别式模型 vs.