为hanlp加载自定义词表。

特征工程的意义：所有一切让模型效果变好的数据处理方式都属于特征工程。特征预处理数据清洗归一化和标准化数据清洗：1.数据去重2.用正则去除的明显错误数据清洗的方式：from sklearn.preprocessing import Imputer1.均值填充2.中值填充3.众数填充...

模板匹配的定义:模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术。模板匹配不是基于直方图的, 而是通过在输入图像上滑动图像块(模板)同时比对相似度, 来对模板和输入图像进行匹配的一种方法def matchTemplate(image, templ, method, result=None, mask=None)image: 待搜索图像(大图)templ: 搜索模板, 需和原图

本文的所有图表均来自于图神经网络：GNN首先我们要知道图结构的数据...

contigous 在英文中为连续的意思，何为连续，就是语义相同的张量存储在连续的内存空间中，为什么要使用contigous?因为view()操作需要连续的tensortranspose、permute 操作虽然没有修改底层一维数组，但是新建了一份Tensor元信息，并在新的元信息中的 重新指定 stride。torch.view 方法约定了不修改数组本身，只是使用新的形状查看数据。如果我们在 t

1.栈是一种先进后出的序列，2.栈主要由栈顶，栈底，两个部分：第一步栈的创建：class Stack:def __init__(self):self.stack = []def push(self,element):self.stack.append(element)def pop(self):return self.stack.pop()def get_top(self):if l

#使用梯度上升法import numpy as npimport matplotlib.pyplot as pltX = np.empty((100,2))##返回一个100X2的数组##size为样本个数X[:,0] = np.random.uniform(0.,100.,size =100)#随机生成100个实数在（0-100）范围内个数X[:,1] = 0.75*X[:,0] + 3.+ n

在知识图谱补全和推荐系统中常用到recall,mrr,ndcg,hit的评价指标知识图谱补全也成为链接预测，是用来预测三元组（h，r，t）中缺失实体h，t或r的任务，对于每一个缺失的实体，模型将被要求用所有的知识图谱中的实体作为候选项进行计算，在测试阶段，对于每个待测试三元组，用知识图谱中的除去h与t之外的其他实体作为候选项来替换头实体或尾实体，并且按大小顺序给出这些实体的评分函数f_r。还是按照