文章部分内容参考自https://captainbed.vip/1-2-9/文章目录向量化向量化概述简单示例示例：逻辑回归向量化编程向量化向量化概述向量化事一种思想，可以大大提高人工智能编程的效率与速度。简单来说，向量化就是尽量不手动编写算法过程，多多使用python库中提供的一些函数。由于Python的特性——翻译型语言，翻译一条执行一条，而向量化则是一次性翻译并执行，所以这样做可以大大地提高编

神经网络三个基础问题通过三个基础问题引入神经网络非常基础且重要的三个函数。神经网络如何预测的？神经网络通过逻辑回归函数进行预测，又成预测算法。逻辑回归函数神经网络的预测过程的公式为z=dot(w,x)+bz = dot(w,x) + bz=dot(w,x)+b，dot(w,x)dot(w,x)dot(w,x)表示将www和xxx进行向量相乘。b表示阈值[yù zhí]，用来影响预测结果。逻辑回归函

文章部分内容参考自https://captainbed.vip/1-2-9/文章目录向量化向量化概述简单示例示例：逻辑回归向量化编程向量化向量化概述向量化事一种思想，可以大大提高人工智能编程的效率与速度。简单来说，向量化就是尽量不手动编写算法过程，多多使用python库中提供的一些函数。由于Python的特性——翻译型语言，翻译一条执行一条，而向量化则是一次性翻译并执行，所以这样做可以大大地提高编

文章目录引言⭐️瀑布模型/线性模型/传统生命周期模型优点缺点V模型优点缺点快速原型模型优点：缺点渐增模型/增量模型/迭代模型优点缺点螺旋模型优点缺点喷泉模型优点缺点改进的喷泉模型参考文章引言软件过程就是从软件项目需求定义至软件运行维护的整个生命周期过程中系统开发、运行和维护所实施的全部过程。软件过程模型/软件生命周期模型就是一种开发策略，这种策略针对软件工程的各个阶段提供了一套范形，使工程的进展达

文章部分内容参考自https://captainbed.vip/1-2-9/文章目录向量化向量化概述简单示例示例：逻辑回归向量化编程向量化向量化概述向量化事一种思想，可以大大提高人工智能编程的效率与速度。简单来说，向量化就是尽量不手动编写算法过程，多多使用python库中提供的一些函数。由于Python的特性——翻译型语言，翻译一条执行一条，而向量化则是一次性翻译并执行，所以这样做可以大大地提高编

最近在学习文本分类，读了很多博主的文章，要么已经严重过时（还在一个劲介绍SVM、贝叶斯)，要么就是机器翻译的别人的英文论文，几乎看遍全文，竟然没有一篇能看的综述，花了一个月时间，参考了很多文献，特此写下此文。思维导图https://www.processon.com/mindmap/61888043e401fd453a21e978文本分类简介文本分类（Text Classification 或 T

项目介绍文本分类是自然语言处理的应用领域之一，文本分类是很多其他任务的基本型。本项目是一个最简单的二分类问题。本项目会介绍如何将文本数据转化为数值型的特征数据（提取文本特质）。然后，使用机器学习当中的支持向量机算法，用 Python 实现对 10001 个邮件样本进行分类的任务。知识点自然语言处理基本概念支持向量机算法TF-IDF文本分类简介文本分类技术在自然语言处理领域当中，有着十分重要的地位。

支持向量机支持向量机（Support Vector Machine, SVM）是一种非常强大的监督学习算法 ，广泛应用于学术界和工业界，在学习复杂的非线性方程时提供了一种更为清晰的方法。SVM 的优化目标每个算法的关键都是优化目标——即代价函数的定义。从逻辑回归引入 SVM逻辑回归的激活函数逻辑回归的激活函数如下（该激活函数同样也是逻辑回归的假设函数）：hθ(x)=11+e−θTx=g(z)=11

文章部分内容参考自captainbed.net计算图计算图是研究神经网络时经常用到的一个重要手段。计算图概述实际工作中的神经网络非常复杂，必须要借助图才能让其变得更加直观。一个人工智能学习任务的核心是模型的定义以及模型的参数求解方式，二者抽象后可以确定一个唯一的计算逻辑，称为计算图。计算图表现为有向无环图，定义了数据的流转方式、数据的计算方式、以及各种计算之间的相互依赖关系。神经网络的计算过程神经

神经网络三个基础问题通过三个基础问题引入神经网络非常基础且重要的三个函数。神经网络如何预测的？神经网络通过逻辑回归函数进行预测，又成预测算法。逻辑回归函数神经网络的预测过程的公式为z=dot(w,x)+bz = dot(w,x) + bz=dot(w,x)+b，dot(w,x)dot(w,x)dot(w,x)表示将www和xxx进行向量相乘。b表示阈值[yù zhí]，用来影响预测结果。逻辑回归函