摘要：
GitHub代码练习地址：用lxml解析HTML,文件读取,etree和XPath的配合使用：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac17_xpath%26lxml.py XML- XML(EXtensibleMa 阅读全文
摘要：
GitHub代码练习地址：正则1：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac15_RE1.py 正则2：match、search、findall函数的使用案例：https://github.com/Neo-ML/Py 阅读全文
摘要：
GitHub代码练习地址：1.两种简单get请求方法：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac13_requests1.py 2.带请求头与参数的get请求：https://github.com/Neo-ML/Py 阅读全文
摘要：
GitHub代码练习地址：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac12_ajax.py 了解ajax 是一种异步请求 一定会有url，请求方法，可能有数据 一般使用json格式 案例，爬取部分豆瓣电影排行榜， 代码 阅读全文
摘要：
一、向量化：低秩矩阵分解 之前我们介绍了协同过滤算法，本节介绍该算法的向量化实现，以及说说有关该算法可以做的其他事情。 举例：1.当给出一件产品时，你能否找到与之相关的其它产品。2.一位用户最近看上一件产品，有没有其它相关的产品，你可以推荐给他。 我们将要做的是：实现一种选择的方法，写出协同过滤算法 阅读全文
摘要：
在之前的基于内容的推荐系统中，对于每一部电影，我们都掌握了可用的特征，使用这些特征训练出了每一个用户的参数。相反地，如果我们拥有用户的参数，我们可以学习得出电影的特征。 但是如果我们既没有用户的参数，也没有电影的特征，这两种方法都不可行了。协同过滤算法可以同时学习这两者。 我们的优化目标便改为同时针 阅读全文
摘要：
假使我们是一个电影供应商，我们有 5 部电影和 4 个用户，我们要求用户为电影打分。 前三部电影是爱情片，后两部则是动作片，我们可以看出Alice 和Bob 似乎更倾向与爱情片， 而 Carol 和 Dave 似乎更倾向与动作片。并且没有一个用户给所有的电影都打过分。我们希望构建一个算法来预测他们每 阅读全文
摘要：
一、多元高斯分布简介 假使我们有两个相关的特征，而且这两个特征的值域范围比较宽，这种情况下，一般的高斯分布模型可能不能很好地识别异常数据。其原因在于，一般的高斯分布模型尝试的是去同时抓住两个特征的偏差，因此创造出一个比较大的判定边界。 下图中是两个相关特征，洋红色的线（根据ε 的不同其范围可大可小） 阅读全文
摘要：
对于异常检测算法，使用特征是至关重要的，下面谈谈如何选择特征： 异常检测假设特征符合高斯分布，如果数据的分布不是高斯分布，异常检测算法也能够工作，但是最好还是将数据转换成高斯分布，例如使用对数函数：𝑥 = 𝑙𝑜𝑔(𝑥 + 𝑐)，其中 𝑐为非负常数； 或者 𝑥 = 𝑥^𝑐，𝑐为 阅读全文
摘要：
GitHub代码练习地址：1.手动利用cookie访问网页：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac10_cookie1.py 2.自动利用cookie访问人人主页：https://github.com/Neo-M 阅读全文