摘要：
NLP基础实现 数据预处理 清洗和规范化数据 详解： 去除无关信息： 删除HTML标签、特殊字符、非文本内容等，确保文本的纯净性（如（掌声）等拟声词）。 统一格式： 转换所有文本为小写，确保一致性；标准化日期、数字等格式。 分句和分段 将长文本分割成句子或段落，便于处理和训练。 代码示例： '''分 阅读全文
摘要：
metavision预处理函数 三种预处理函数 histo 双通道 参数 xypt: event结构化数组(一般会分段读取，分段为delta_t) output_array: 输出保存数组(reset参数可以直接重置归0) 一般output_array为(tbins, 2, height, widt 阅读全文
摘要：
datawhale 机器学习分子AI数据挖掘比赛笔记 task3 未完成版 ''' 导入库 catboost 处理分类和回归任务的机器学习库 sklearn 传统机器学习库 rdkit warnings 处理忽略错误 ''' import numpy as np import pandas as p 阅读全文
摘要：
动手学图深度学习 图表示学习 研究在嵌入空间（Embedding Space，指在高维数据被映射到低维空间的数学结构）表示图的方法，在图上表示学习核嵌入指的是同一件事，“嵌入”是指将网络中的每个节点映射到低维空间（需要深入了解节点的相似性和网络结构），旨在捕捉图结构中的拓扑信息、节点内容信息以及边的 阅读全文
摘要：
missingno模块讲解 missingno安装 conda install missingno 或者 pip install missingno。 missingno常用API讲解 import missingno as msno 密度图：matrix msno.matrix(df, label 阅读全文
摘要：
动手学图深度学习 声明：本文是在笔者的Pytorch tutorial及深度学习入门(鱼书)笔记的基础上继续学习记录，故有些内容略过。 第三章：深度学习基础 神经网络及其基本组成的补充 欠拟合： 训练误差和验证误差都很严重，而且他们间仅有一点差距，如果模型不能降低训练误差，这可能是因为模型过于简单（ 阅读全文
摘要：
动手学图深度学习task2 第二章：图理论基础 图的背景 图论中著名问题：柯尼斯堡七桥问题 问题： 当时东普鲁士柯尼斯堡，市区跨普列戈利亚河两岸，河中心有两个小岛。小岛与河的两岸有七条桥连接。在所有桥都只能走一遍的前提下，如何才能把这个地方所有的桥都走遍？ 解决思路： 将问题简化为平面上点与线的组合 阅读全文
摘要：
动手学图深度学习task1 第一章：介绍 充满图的世界 图包括人类社会、化学相互作用、知识图谱等，可以分为自然定义的和人造的两种，图有时也称为网络，例如社交网络、经济网络等（这些情况下的网络指的不是深度神经网络）。 图的现实世界应用 社交网络： 有个著名结论是6度分离（两个人之间可以通过6个人相互连 阅读全文
摘要：
这是一篇pytorch的入门教程。 阅读全文