<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sj1565的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sj1565</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sj1565]]></copyright><item><title><![CDATA[python编程命名规范]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/96780049</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/96780049</guid><author>sj1565</author><pubDate>Sun, 21 Jul 2019 23:56:38 +0800</pubDate><description><![CDATA[1.模块名和包名采用小写字母并且以下划线分隔单词的形式；
如:regex_syntax,py_compile,_winreg
2.类名或异常名采用每个单词首字母大写的方式；
如：BaseServer,ForkingMixIn,KeyboardInterrupt
3.全局或者类常量，全部使用大写字母，并且以下划线分隔单词；
如：MAX_LOAD
4.其余变量命名包括方法名，函数名，普通变量名则是采用...]]></description><category></category></item><item><title><![CDATA[机器学习-13 新闻推荐 doc2vec]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/90709225</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/90709225</guid><author>sj1565</author><pubDate>Fri, 31 May 2019 01:03:53 +0800</pubDate><description><![CDATA[新闻推荐，用户阅读的是整条新闻，不可能将整条新闻直接送进去模型训练，这样的话什么都训练不出来。
而新闻是由很多词汇组成，需要进行分词，分词后输入模型进行训练，
也只是返回这个词在上下文语境相似的词汇，比如我们输入“公安机关”返回“警察”整片新闻，但是警察不是整篇新闻。
doc2vec 将整篇文章中多个词映射到空间中，转换为向量（使用的也是余弦相似度）。
不再比较单词的相似度，而是比较文档之间的相似...]]></description><category></category></item><item><title><![CDATA[机器学习 -11 XX评论情感分析 jieba]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/90709034</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/90709034</guid><author>sj1565</author><pubDate>Fri, 31 May 2019 00:38:46 +0800</pubDate><description><![CDATA[XX评论情感分析
项目背景
公司活动，新闻，微博，影评，商品评价等，看看是支持的多，还是反对的多。如此大量的评论数据，如果人工审核比较麻烦、耗费时间，因此通过程序建立模型代替人工审看，分析积极成分多还是消极成分多。 数据量1.5万多 。
import pandas as pd
import numpy as np
import jieba
import re
from sklearn.featur...]]></description><category></category></item><item><title><![CDATA[词袋模型]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/90708855</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/90708855</guid><author>sj1565</author><pubDate>Fri, 31 May 2019 00:11:32 +0800</pubDate><description><![CDATA[#  操作词袋模型：
# CountVectorizer：对语料库中出现的词汇进行词频统计，相当于词袋模型。
# 操作方式：将语料库当中出现的词汇作为特征，将词汇在当前文档中出现的频率（次数）作为特征值。
import numpy as np
from sklearn.feature_extraction.text import CountVectorizer
count = CountVecto...]]></description><category></category></item><item><title><![CDATA[自然语言简介]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/90708800</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/90708800</guid><author>sj1565</author><pubDate>Fri, 31 May 2019 00:04:18 +0800</pubDate><description><![CDATA[自然语言处理基础
自然语言概念
自然语言，即我们人类日常所使用的语言，是人类交际的重要方式，也是人类区别于其他动物的本质特征。
我们只能使用自然语言与人进行交流，而无法与计算机进行交流。
自然语言处理
自然语言处理（NLP Natural Language Processing），是人工智能（AI Artificial Intelligence）的一部分，实现人与计算机之间的有效通信。
自然语言处...]]></description><category></category></item><item><title><![CDATA[pg2neo尝试2]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/90587280</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/90587280</guid><author>sj1565</author><pubDate>Mon, 27 May 2019 01:34:53 +0800</pubDate><description><![CDATA[from py2neo import Graph,Node
import psycopg2
from commonConfig import POSTGRE_CONFIG,NEO4J_CONFIG

# POSTGRE_CONFIG = {
#     'host' : 'localhost',
#     'port' : '5432',
#     'user' : 'postgres',
#...]]></description><category></category></item><item><title><![CDATA[pg2neox小尝试]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/90585740</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/90585740</guid><author>sj1565</author><pubDate>Mon, 27 May 2019 01:06:21 +0800</pubDate><description><![CDATA[from py2neo import Graph,Node,Relationship
import psycopg2
from commonConfig import POSTGRE_CONFIG,NEO4J_CONFIG

class Neo4j1(Graph):
    def get_from_pg(self, pg_sql_client, pg_table, pg_schema = 'pu...]]></description><category></category></item><item><title><![CDATA[jupyter note 数据保存为 PDF]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/88560723</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/88560723</guid><author>sj1565</author><pubDate>Thu, 14 Mar 2019 20:33:41 +0800</pubDate><description><![CDATA[1 找一个有打印预览的浏览器，我用的是Google
2 进入打印预览界面 ，点击“打印”

3 选择目标打印机：另存为PDF
如果所用浏览器没有这个选项，需要安装虚拟PDF打印机

...]]></description><category></category></item><item><title><![CDATA[jupyter note 怎么将数据保存为word]]></title><link>https://blog.youkuaiyun.com/sj1565/article/details/88560683</link><guid>https://blog.youkuaiyun.com/sj1565/article/details/88560683</guid><author>sj1565</author><pubDate>Thu, 14 Mar 2019 20:31:46 +0800</pubDate><description><![CDATA[1 保存成word格式
第一步 保存为md格式

第二步 通过docker界面转化为word

如下：pandoc SRVV Web Services -s -o file.docx
第1处：上面导出的md文件所在的目录
第2处：上面导出的md文件名
第3处： 保存的word文件名
直接运行，其他地方不要改动

...]]></description><category></category></item></channel></rss>