之前的经验是做一些简单的html，css样式调试以及他的报错信息，忽略了浏览器js调试的强大功能。觉得还是非常有必要的，很好的帮助我们以解决后开发的时候遇到复杂的问题，下面就开始系统的学习一下。

目录1.逻辑回归模型2.KNN模型3.随机森林模型4.决策树模型4.贝叶斯模型5.支持向量机模型步骤：导入必要的第三方库读取数据划分数据集可选操作，引入停用词，当作参数传入特征提取器特征提取提取的向量当作特征传入逻辑回归模型1.逻辑回归模型使用TF_IDF提取的向量当作特征传入逻辑回归模型#首先将用到的包进行导入import pandas as pdimport numpy as npimport

自然语言处理（NLP）是一门融合了计算机科学、人工智能以及语言学的交叉学科。一、自然与语言与编程语言1.词向量自然语言中的词汇量比编程语言中的关键词丰富。再自然语言中，我们可以使用的词汇量是无穷无尽的，几乎没有意义完全相同的词语。我们国家语言文字工作委员会发布的《现代汉语常用词表（草案）》一共收录56 008个词条。除此之外，我们还可以随时创造各种类型的新词，而不仅限于名词。2.结构化自然语言是非

支出向量机（support vector machines,SVM）是一种二类分类模型。他的基本模型是定义在特征向量空间上的间隔最大的线性分类器，间隔最低啊使他有别于感知机；支持向量机好包括核技巧，这使它称为实质上的非线性分类器。支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划（convex quadratic programing）的问题，也等价于正则化的合页损失函数的最小化问题

朴素贝叶斯（naive Byes）法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立于假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大输出y。朴素贝叶斯方法实现很很简单，学习与预测效率都很高，是一种常用的方法。朴素贝叶斯法的学习与分类基本方法：后验证概率最大化含义朴素贝叶斯法将实例分到后验概率最大的类中，这等价

1 统计学习方法概论统计学习是关于计算机数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科，统计学习又称为统计机器学习。它的主要特点包括：统计学习是以计算机和网络为平台，是建立在计算机和网络之上的。统计学习以数据为研究对象，是数据驱动的学科。目的是对数据进行预测和分析。统计学习以方法为中心，统计学习方法构建模型并应用模型进行预测与分析。统计学习是概率论、统计学、信息论、计算理论、最优化理

1 数据预处理数据预处理目的是得到形式一致的数据，使得后续按照统一的方式进行数据清洗。每人汇总爬虫到的所有数据，按（评论，评分）的形式存入csv表格中；去除重复评论，使用Numpy、Pandas等方式；去除默认评论，以及长度过短的无效评论；将所有评分划分为3个分类（1-2分为差评，3-4分为中评，5分为好评），使之成为三分类数据。代码：import numpy as npimport pandas

4月9日就要参加蓝桥杯了，我现在才下载软件、来捡一捡知识点、重在这个学习过程。不管结果了。 下面来看一看Python常用的STL，如果我没记错的话就是蓝桥杯爱考的。字符串主要包括对字符串的大小变换和增、删除、查、替换、反转和统计、以及格式化输入输出s = 'abcdefghijk'print(s)##截取字符串print(s[0:2])print(s[:2])print(s[-2:])print(

自然语言处理（NLP）是一门融合了计算机科学、人工智能以及语言学的交叉学科。一、自然与语言与编程语言1.词向量自然语言中的词汇量比编程语言中的关键词丰富。再自然语言中，我们可以使用的词汇量是无穷无尽的，几乎没有意义完全相同的词语。我们国家语言文字工作委员会发布的《现代汉语常用词表（草案）》一共收录56 008个词条。除此之外，我们还可以随时创造各种类型的新词，而不仅限于名词。2.结构化自然语言是非

MVVM（Model-View-ViewModel）是一种软件架构模式，用于实现界面（UI）和业务逻辑的分离。他的设计目标是将界面的开发与后端的业务逻辑分离，使得代码易于理解、维护和测试。MVVM的核心思想是数据绑定。