一 序我也是个NLP小白，Hanlp功能很强大，本文只是简单跑起来句法分析，再看如何根据句法分析结果提取关键词还需要再学习。二 准备maven<dependency><groupId>com.hankcs</groupId><artifactId>hanlp</artifactId><version>portable-1.7.

一 序本文属于贪心NLP学习笔记系列。leaning 学习逻辑：通过历史数据学习模型，通过模型来预测未来。二 学习的两种主流方式根据AI 发展的历程，可以分为两个branch专家系统：基于规则基于于概率的系统（Probabilistic）：给定数据D={X，y} 学习X到y的映射关系数据量大则优先使用基于概率的系统；若数据量小或没有数据，则推荐使用专家系统（expert system）。专家系统这

一 序本文属于极客时间机器学习40讲学习笔记系列。11基础线性回归：一元与多元线性模型最大的优点不是便于计算，而是便于解释。之前的课证明了当噪声满足正态分布时，基于最小二乘法（least squares）的线性回归和最大似然估计是等价的。...

python 入门笔记，list,部分内容摘自deepseek

一序本文属于极客时间基础课学习笔记系列。常见的人工智能的问题最终会归结为优化的问题求解，在复杂环境与多体交互中做出最优决策。所以最优化是基础知识。二 基础定义最优化理论研究的问题是判定给定目标函数的最大值（最小值）是否存在，并找到令目标函数取到最大值（最小值）的数值。目标函数（objective function）目标函数就是实现最小化或最大化的目标函数，也被称为评价函数。大多数最优化问题可以通过

一 序本文属于贪心NLP训练营学习笔记系列。视频151 变分推断先跳过。二为啥要关注优化通常有关AI的问题可以分解为：模型+优化模型就是如何选择模型：逻辑回归、深度学习等，然后进行模型的实例化,例如选择深度学习,有几层，每层的参数等。实例化完毕之后，我们总是可以找到一个与实例化之后的模型相对应的objective function（目标函数），接下来就进入了优化的阶段。优化有很多算法，见截图，有了

一 序本文属于贪心NLP训练营学习笔记系列。这节课在线性回归及正则里面穿插的讲。对于从逻辑回归开始明显感到主要就是 讲数学公式的推导了。好难。二情绪识别实战Python吧就是看了点语法，所以本节课的内容我是对照李文哲老师的再本地敲了一边代码。2.1 数据准备：ISEAR.csv2.2 读取第一段就是导入 pandas,numpy. 第二段就是读取数据集ISEAR.csv. 这个数据model_se

一 序本文属于贪心NLP训练营学习笔记。二句法分析Parsing理解句子的两种方法:句法分析 (主谓宾…)大量阅读后, 凭感觉 <- 语言模型概念例如. Microsoft is located in Redmond上面的语法树中，叶子节点叫terminal node，非叶子节点叫internal node（non-terminal node）句法树中提取特征Parsing for Feat

一 序本文属于极客时间机器学习40讲学习笔记系列。14 | 非线性降维：流形学习这篇跟上篇很类似，都是讲降维的理论的。在机器学习中，流形（manifold）指的是嵌入在高维数据空间中的低维子空间，它的维数是低维数据变化的自由度（degree of freedom of variability），也叫作固有维度（intrinsic dimensionality）。流形学习（manifold lear

一背景非专业，业务又有这方面需要，强迫自己看一下NLP相关的背景知识。数学不高，不奢望能看懂，要是有大神能从小白的角度去讲解就好了。NLP 入门整理（不定期更新）Word2Vec前序 语言模型学习相关知识点：要知道词向量：神经网络只能接受数值输入，而且不同词汇之间可能存在的关联信息也需要挖掘。为啥不用one hot编码，维度太大计算量太大。还有计算相似度的有一种方法就是利用夹角余弦。词嵌入：wor