Python里面两大最牛的Web框架，一个是Django，一个是Flask 。今天就分享一个用Flask做的词云生成网站，非常有意思的小web，适合练手。喜欢点赞支持、收藏。这是一个前端用 Vue，后端用 Python 的 Web 框架 Flask 开发的词云生成应用，代码已上传到 flask-vue-word-cloud项目地址：https://github.com/77Y/flask-vue-

近年来 AI 越来越火，吴恩达是被公认的人工智能（AI）和机器学习领域国际最权威的学者，他一直致力于普及、宣传、推广 AI 教育，包括最前沿、最火爆的 AI 基础课程、深度学习课程等等。惠及全球超过 500w 的人工智能爱好者。吴恩达的机器学习基本涵盖了机器学习的主要知识点：线性回归、逻辑回归、支持向量机、神经网络、K-Means、异常检测等。课程中没有复杂的公式推导和理论分析，让机器学习初学者能

在LLM（大型语言模型）时代，数据标注质量直接决定了模型的智能上限。作为开源数据标注领域的标杆工具，Label Studio 凭借其多模态支持能力与高度可定制化的特性，正成为大模型训练中数据工程的基石。从文本三元组关系抽提到视频对象追踪，从低资源语言的语音标注到医学影像的像素级分割，Label Studio 通过统一的交互界面打破了传统标注工具的场景局限。

一、社区发现概述根据图论，加权网络表示为𝐺=(𝑉,𝐸,𝑊)，未加权网络表示为𝐺=(𝑉,𝐸)，其中𝑉和𝐸表示节点和边的集合，𝑊分别表示𝐸相应的权重，以连接的强度或容量为单位。在未加权的网络中，𝑊被视为1。子图𝑔⊆𝐺是保留原始网络结构的图划分。子图的划分遵循预定义（pre-define）的规则，不同的规则可能会导致不同形式的子图。社区是代表真实社会现象的一种子图。换句话说，

作者 | Kesk译者 | 张健欣策划 | 凌敏在这篇文章中，我将逐步讲解如何使用 TensorFlow 创建一个简单的机器学习模型。  TensorFlow 是一个由谷歌开发的库，并在 2015 年开源，它能使构建和训练机器学习模型变得简单。我们接下来要建立的模型将能够自动将公里转换为英里，在本例中，我们将创建一个能够学习如何进行这种转换的模型。我们将向这个模型提供一个 CS

是时候准备面试和实习了不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。。

在银行要判断一个"新客户是否会违约"，通常不违约的人VS违约的人会是99:1的比例，真正违约的人 其实是非常少的。这种分类状况下，即便模型什么也不做，全把所有人都当成不会违约的人，正确率也能有99%， 这使得模型评估指标变得毫无意义，根本无法达到我们的"要识别出会违约的人"的建模目的。在处理样本不均衡的任务中，使用常规方法并不能达到实际业务需求，正确且尽可能多捕获少数类样本。因为样本不均衡会使得分

在从事数据分析师期间，花费时间最多的还是在学习 Python 数分三剑客上。为方便巩固与复习，我将所有知识进行了详细梳理并总结成知识思维导图，将其制作为精美的PDF版，方便自己复习的同时也能帮助其他数据分析爱好者。文末提供高清版思维导图和PDF版文章当然，除了原创电子书之外，我也将整理的经典思维导图附上 (因平台压缩，高清可以文末下载)NumpyPandas总结(获取)梳理不易，获取资料前，点赞、

题目： CD-GNN：一种跨领域的图神经网络模型会议： CIKM 2021近期，蚂蚁集团公开了一个全新的基于图神经网络的跨领域学习方法，用于解决由于低活跃用户/新用户缺乏特征和标签导致其偏好理解难的问题。该工作将低活跃用户偏好理解问题形式化为一个跨领域学习问题，通过引入源领域中高活用户的信息帮助低活跃用户的学习。对于源领域和目标领域用户无交集且目标领域缺乏特征、标签的问题，传统跨领域方法并不适用。

本文旨在使用 XGBoost、随机森林、KNN、逻辑回归、SVM 和决策树解决分类问题。喜欢记得收藏、关注、点赞。注：文末提供技术交流群假设你受雇于帮助一家信用卡公司检测潜在的欺诈案件，你的工作是确保客户不会因未购买的商品而被收取费用。给你一个包含人与人之间交易的数据集，他们是欺诈与否的信息，并要求你区分它们。我们的最终目的是通过构建分类模型来对欺诈交易进行分类区分来解决上述情况。导入所需模块到