聚类算法之——二分K-Means算法为克服K-Means算法收敛于局部最小值问题，提出了二分K-Means算法二分K-Means算法首先将所有点作为一个簇，然后将该簇一分为二。之后选择其中一个簇继续进行划分，选择哪一个簇进行划分取决于对其划分是否可以最大程度降低SSE的值。上述基于SSE的划分过程不断重复，直到得到用户指定的簇数目为止。步骤将所有点看成一个簇；对每个簇，进行如下操...

逻辑回归（Logistic Regression，LR）是分类常用的算法。逻辑回归在西瓜书中又被称为对数几率回归。进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，以此进行分类。训练分类器时的做法就是寻找最佳拟合参数，使用的是最优化算法。适合数据类型：数值型优点：计算代价不高，易于理解和实现缺点：容易欠拟合，分类精度可能不高原理正负类区分正负类没有明确区分，但是按经验来说负类（0）：一般

安装CRFPP在百度网盘上下载CRF+±0.58链接：点这里提取码：peub在windows x64上安装，需要在\CRF+±0.58\python\中，运行下面两个语句pythonsetup.py buildpython setup.py install说明：python setup.py install 有可能会遇到权限不足的问题, 需要换成管理员模式安装验证是否安装成功，如果导入后没有报错，

1. 安装JDK和设置JAVA_HOME在windows系统上安装JDK和设置JAVA_HOME的步骤如下：下载JDK，点这里，选择相应的JDK，并单击"Download"安装JDK将JDK安装在您的计算机上，例如： C:\Program Files\Java\jdk1.6.0_02 下，如果需要，也可以安装在其他位置安装完成后，设置JAVA_HOME右键点击“我的电脑”，然后选择“属性”在“高级

模拟登录模拟登录：爬取基于某些用户的用户信息。cookiecookie：用来让服务器端记录客户端的相关状态。手动处理：通过抓包工具获取cookie值，将该值封装到headers中（不建议）自动处理：cookie值的来源在哪里？模拟登录post请求后，由服务器端创建session会话对象：作用：可以进行请求的发送如果请求过程中产生了cookie，则该cookie会被自动存储/携带在该session对

中文分词算法之–最大匹配法​前段时间研究了如何用分词工具进行分词，但是分词中涉及的一些算法，不太了解，所以，准备这段时间专攻分词算法原理，大家有补充，或者建议，欢迎留言。1. 最大匹配法(Maximum Matching)​最大匹配法是指以词典为依据，取词典中最长词长度作为第一次取字数量的长度，在词典中进行扫描。例如：词典中最长词为“中华人民共和国”共7个汉字，则最大匹配起始字数为7...

贝叶斯分类算法是统计学是一种概率分类方法，朴素贝叶斯分类时贝叶斯分类中最简单的一种。利用贝叶斯公式根据某特征的先验概率计算出其后延概率，然后选择具有最大后延概率的类作为该特征所属的类。朴素贝叶斯，称之为“朴素”，是因为整个形式化过程只做了最原始、最简单的假设，具体假设如下：特征之间相互独立每个特征同等重要1. 概率相关先验概率： 比如向女生表白成功的概率是20%，记为P(A)=20%条件概率：在事

在Pycharm中创建py文件时，希望每次能自动添加默认文件头。打开Pycharm后，按照如下进行设置：File -> settings -> Editor -> File and Code Templates -> Python Script找到Python Script选项，然后将以下内容添加进文本框，点击 ok 即可：# !/usr/bin/env python# -