摘要: 前言 用python实现了一个没有库依赖的“纯” py based PrefixSpan算法。 Github 仓库 https://github.com/Holy Shine/PrefixSpan py 首先对韩老提出的这个数据挖掘算法不清楚的可以看下这个博客,讲解非常细致。我的实现也是基本照着这个 阅读全文
posted @ 2019-07-12 16:27 Holy炭 阅读(4585) 评论(1) 推荐(1) 编辑
摘要: 前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-17 14:52 Holy炭 阅读(1047) 评论(0) 推荐(1) 编辑
摘要: 前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-14 17:16 Holy炭 阅读(1628) 评论(0) 推荐(0) 编辑
摘要: 前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-13 14:17 Holy炭 阅读(1439) 评论(0) 推荐(0) 编辑
摘要: 前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-12 14:09 Holy炭 阅读(1652) 评论(0) 推荐(0) 编辑
摘要: 维护自己的Github仓库的时候发现Github的Readme不支持Toc目录,所以就自己写了一个小工具。 工具地址:https://github.com/Holy Shine/GitToc 简介 如下是转换效果: 转换后的目录支持页内跳转 使用教程 假设你的目标文件名为 . 在你的命令行下键入下面 阅读全文
posted @ 2019-05-17 14:27 Holy炭 阅读(1232) 评论(0) 推荐(0) 编辑
摘要: 介绍 本系列教程基本就是搬运《Python机器学习基础教程》里面的实例。 Github仓库 使用 "jupyternote book" 是一个很好的快速构建代码的选择,本系列教程都能在我的Github仓库找到对应的 jupyter notebook 。 Github仓库:https://github 阅读全文
posted @ 2019-05-06 15:35 Holy炭 阅读(4881) 评论(0) 推荐(0) 编辑
摘要: 前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-05-06 15:26 Holy炭 阅读(8865) 评论(0) 推荐(0) 编辑
摘要: 本文介绍一个基于pytorch的电影推荐系统。 代码移植自https://github.com/chengstone/movie_recommender。 原作者用了tf1.0实现了这个基于movielens的推荐系统,我这里用pytorch0.4做了个移植。 本文实现的模型Github仓库:htt 阅读全文
posted @ 2019-04-29 01:46 Holy炭 阅读(7762) 评论(2) 推荐(2) 编辑
摘要: 翻译自 "Python For Engineers" 。 1. 创建一个正弦波 在这个项目中,我们将创建一个正弦波,并将其保存为wav文件。 但在此之前,你应该知道一些理论。 频率 :频率是正弦波重复一秒的次数。我将使用1KHz的频率。 采样率 :大多数现实世界的信号是模拟的,而计算机是数字的。因此 阅读全文
posted @ 2019-02-27 17:12 Holy炭 阅读(11565) 评论(0) 推荐(1) 编辑