根据前面定义的 Phone 手机类模板，实例化创建第一个真实的手机对象，把华为、黑色、3999 这三个实际数据传入，自动传给类里的 init 构造方法完成属性初始化，最后把创建好的手机对象赋值给变量 phone1，方便后续操作这个手机。开始定义函数，在手机类里面自定义一个名叫 call 的方法，代表手机打电话的行为，类里面所有自定义方法都必须把 self 写在第一个参数位置，只有带上 self，这

在信息爆炸的时代，快速从文本中抓取核心信息的能力非常重要。TF-IDF 是 NLP 领域最经典、也最容易上手的关键词提取算法之一。本文将带你从零开始，完成从文本读取、分词、去停用词，到使用 TF-IDF 提取每一回关键词的全过程，代码清晰易懂，有需要可直接运行。TF-IDF（词频 - 逆文档频率）是一种统计方法，用来评估一个词在文本中的重要程度：TF（词频）：这个词在当前文本中出现的次数。出现越多

整篇文章没有晦涩难懂的专业术语，尽量用通俗直白的语言讲解每一行代码的作用与底层逻辑，目的就是让爬虫新手也能看懂每一步原理，不只是单纯复制代码运行，更能理解背后的实现思路、XPath 定位技巧、反爬伪装方式以及图片二进制保存的核心知识点，真正做到看懂代码、吃透原理、举一反三，后续可以套用这套思路去爬取其他同类图片网站，扎实掌握入门爬虫的实战能力。接下来我们定义一个全局变量，用来给我们爬取得到的图片进

主流视频平台为节省带宽、支持多清晰度切换，都会采用音视频分离的加载方式，前端播放器会自动合成播放。爬虫只能分别抓取画面和音频文件，想要合成带声音的完整视频，可以借助FFmpeg工具合并，也是爬虫学习中常用的进阶用法。掌握这套爬取流程后，可以举一反三，遇到同架构的视频网页，只需修改 URL、XPath 路径和请求头参数，就能复用代码完成爬取，真正学会一类网页视频爬虫的通用开发思路。

这套爬虫代码结构简单、逻辑清晰，适合 Python 爬虫新手学习Selenium 动态网页抓取、文件批量下载、本地文件夹操作等知识点。只需修改关键词和爬取数量，就能快速批量获取百度图片，省去手动保存的繁琐步骤。

OpenCV 是目前最主流的计算机视觉开源库，零基础也能快速上手。本文整理日常开发最常用的OpenCV 基础操作，包含图片读写、灰度图、图像属性、ROI 区域截取、颜色通道拆分合并、视频帧处理，代码可直接复制运行，适合新手入门学习。本文涵盖 OpenCV 最核心八大基础用法：图片读取展示、灰度转换、图像属性查看、区域裁剪、纯色修改、视频播放、摄像头调用。熟练掌握以上代码，就能完成绝大多数基础图像处

在日常工作和生活中，垃圾邮件一直是困扰我们的问题，用机器学习自动分类垃圾邮件是非常经典且适合新手入门的实战项目。今天我将带大家从零开始，用 Python 实现垃圾邮件二分类任务，全程使用简单易懂的代码，包含数据读取、模型训练、混淆矩阵可视化、分类报告、特征重要性分析，新手也能轻松跑通！本项目用随机森林完成垃圾邮件二分类，简单高效，实现了数据集划分、模型训练、评估指标、可视化全套流程。混淆矩阵和特征

如果希望提高检测的准确率可以将该参数的值设置得更大，但这样做可能会让一些人脸无法被检测到。在使用低版本 OpenCV (OpenCV 1.X 版本)时，该参数可能会被设置CV_HAAR_DO_CANNY_PRUNING，表示使用 Canny 边缘检测器拒绝一些区域。人脸检测器通常工作在灰度图像上，因为灰度图能减少计算量，而且 Haar 特征是基于亮度变化的，不依赖颜色。minSize：目标的最小尺

如果希望提高检测的准确率可以将该参数的值设置得更大，但这样做可能会让一些人脸无法被检测到。在使用低版本 OpenCV (OpenCV 1.X 版本)时，该参数可能会被设置CV_HAAR_DO_CANNY_PRUNING，表示使用 Canny 边缘检测器拒绝一些区域。人脸检测器通常工作在灰度图像上，因为灰度图能减少计算量，而且 Haar 特征是基于亮度变化的，不依赖颜色。minSize：目标的最小尺

作用：导入 PyTorch 核心库，所有深度学习操作的基础。类比：就像写作文要先拿笔，torch就是深度学习的 “笔”。作用：导入 PyTorch 的神经网络模块（Neural Network）。核心功能：提供搭建 CNN、全连接层、卷积层等所有网络层的工具。关键：我们搭建的所有 AI 模型，都依赖这个模块。作用：数据加载器，批量管理数据集。通俗理解：把大量图片打包成 “小包裹”，一次性喂给电脑，