摘要：
1.目的 定时爬取笑话网站，利用朴素贝叶斯分析，将不同笑话发给不同人群。 2.方案 (1)首先利用python爬虫抓取某个网站上的笑话。 (2)提供训练样本，然后用朴素贝叶斯模型来判断当前的笑话是否属于成人笑话。 (3)如果是成人笑话，把它自动发给好兄弟的qq邮箱。 (4)如果不是成人笑话，把它自动 阅读全文
摘要：
记录一个现象： 今天在写程序的时候，发现finditer和findall返回的结果不同。一个为list，一个为iterator。 红色箭头的地方，用finditer写的时候，print(item.group())时，返回这样的结果。 而用findall写的时候，结果是这样子。 查了资料才明白，参考： 阅读全文
摘要：
RSS源介绍：https://zhidao.baidu.com/question/2051890587299176627.html http://www.rssboard.org/rss-profile 这个老铁讲的好：https://www.cnblogs.com/MrLJC/p/3731213. 阅读全文
摘要：
2月10日 练习：http://www.cnblogs.com/littlepear/p/8436860.html 阅读全文
摘要：
1月29日 继续贝叶斯 把前两天落下的考虫晨读再回看一下视频，不能新鲜三天。 2月3日 sublime text3 F5运行：http://blog.csdn.net/u010223904/article/details/46354495 使用anaconda prompt中的conda命令：htt 阅读全文
摘要：
1月22日 未学习，收拾行李，回家。 1月23日 到家，安排计划，休息。考虫晨读。 1月24日 考虫晨读，朴素贝叶斯 1月25日~1月28日 我是个红警迷，无意中在红警贴吧里发现了一块和红警很像的手游，然后我就下载了，然后就掉坑了四天。 我发现这个游戏做的太好了，虽然它会提示你，想尽方法让你充钱，但 阅读全文
摘要：
经过这一段时间学习，发现ML in Action这本书确实是侧重代码方面，关于数学推导方面还是很少，需要不断查看文档。 链接： 贝叶斯网络、拉普拉斯平滑 链接： Naive Bayes 看完拉普拉斯平滑后，我觉得书上有问题，就是防止概率中有0的时候，分子每项加一，它写的分母 p0Denom = 2. 阅读全文
摘要：
代码还好懂，但是后面选择更好的划分数据集的方法，有点不知道为什么那样选。 还要好好理解推导。 append和extend区别： 1月18日 今天上午从 网上搜了一些其他人的笔记，加上自己思考，才明白这里要干什么，书上推导部分都省略了。 关于条件熵： http://blog.csdn.net/xwd1 阅读全文
摘要：
1月15日 今天把kNN算法整理一下，kNN 老友记第八集 1月16日 上午又把时间的朋友重新看了一下，罗胖的思维还是可以的。 继续整理kNN 老友记第九集和第十集 1月17日 今天和gf去市图书馆学习，感觉一天效率能顶在家里两天！ kNN 开始学习 决策树 1月18日 决策树 1月19日 这几天机 阅读全文
摘要：
1.算法工作原理 存在一个训练样本集，我们知道样本集中的每一个数据与所属分类的对应关系，输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应特征进行比较，然后算法提取样本集中特征最相似的数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处 阅读全文