- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 决策树代码实现(python+numpy)
决策树代码实现(python+numpy)前言我学习机器学习主要依据的是周志华的西瓜书和Peter Harrington的《机器学习实战》，理论部分可以通过西瓜书学习，看不下去的时候（西瓜书理论性强emmm你懂的）就看机器学习实战手敲下代码，两者结合，资源我放在网盘上了。链接：https://pan.baidu.com/s/1YCTTrTdFxQ26EVo1X4U8xg提取码：l77u我这篇博客是在此基础之上，学习了理论之后想自己手打一遍决策树，但发现还是有些耗时。最后就放了点水，在《机器学习
2021-08-10 16:57:19
7086
1
原创 v-for使用注意点
v-for使用注意点v-for属性不能放在绑定的根元素上绑定在根元素上会报错：Cannot use v-for on stateful component root element because it renders multiple elements.同时根元素也不能是<template>// 创建组件Vue.component('blog-post', { props: ['title'], template: '<h3>{{ titl
2021-05-15 20:14:22
286
原创 第三章 微处理器的指令系统
第三章 微处理器的指令系统3.1 8086/8088的寻址方式3.1.1 数据寻址方式立即寻址将立即数传送到目标寄存器或存储器操作数就在指令中（CPU直接从紧跟着指令代码的后续地址单元中取得该立即数）不必执行总线周期寄存器寻址操作数放在CPU的寄存器中对16位操作数，寄存器为8个16位通用寄存器（AX、BX、CX、DX、SP、BP、SI、DI）对8位操作数，寄存器只能为AH、AL、BH、BL、CH、CL、DH、DL操作数在CPU内部，不必执行总线周期CS不能用MOV改变
2021-04-20 23:22:13
1621
1
原创 Spring Boot快速入门（尚硅谷笔记）
**一、**Spring Boot 入门1、Spring Boot 简介简化Spring应用开发的一个框架；整个Spring技术栈的一个大整合；J2EE开发的一站式解决方案；2、微服务2014，martin fowler微服务：架构风格（服务微化）一个应用应该是一组小型服务；可以通过HTTP的方式进行互通；单体应用：ALL IN ONE微服务：每一个功能元素最终都是一个可独立替换和独立升级的软件单元；详细参照微服务文档3、环境准备环境约束–jdk1.8：Spring Boot
2020-08-23 13:13:35
667
原创 向量空间模型——苏大信息检索作业
我觉得这个关键是理解思想，因为实现还是比较简单的。说说我对VSM的理解吧，每个文档对应一个向量，向量的维度是一定范围的词项（有两种选取方法），对应的值为tf-idf。将查询也看作一个文档，构造向量后与向量空间中的每个向量计算余弦相似度，进行排序，即可得到结果。基本步骤对文档进行分词处理，去除停用词等计算每个文档中词项的tf值，计算公式：计算文档集中所有词项的idf值，计算公式：计算每个文档中词项的tf-idf值，计算公式：对查询进行上述处理构造向量，有两种向量维度的选取方法：（1）
2020-06-04 21:57:55
482
原创 信息检索课程小结
信息检索综合实践课程小结（python）这是本学期所有的实验报告因为大一上学期学了python，这学期学的java还不是很熟练，所以所有的实验都是用python实现的。E1词频查询E1词频查询就是对一个英文文档进行词频统计，并实现查询功能。这是容易实现的，因为老师给的文档是处理好的，标点与单词间都有空格，直接读取文件，利用字典操作即可。E2汉语分词E2汉语分词需要利用最大匹配法进行中文分词，并且要对分词算法进行评分。所谓最大匹配法就是到给出的词典中去匹配最长的词，这里给出一个例子：根据这个
2020-06-04 20:26:14
1011
3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人