第一章 - 算法基础与算法分析 fundamentals of algorithms and algorithm analysis1.3、数学基础：函数与证明方法 (functions and proof techniques)1.3.1、函数(functions)1.3.1.1、函数基本术语和例子 (Functions, basic terminology and examples)(1)、函数

Word2vec，是一群用来产生词向量的相关模型。这些模型为浅而双层的神经网络，用来训练以重新建构语言学之词文本。网络以词表现，并且需猜测相邻位置的输入词，在word2vec中词袋模型假设下，词的顺序是不重要的。训练完成之后，word2vec模型可用来映射每个词到一个向量，可用来表示词对词之间的关系，该向量为神经网络之隐藏层。

Transformer在2017年由Google在题为《Attention Is All You Need》的论文中提出。Transformer是一个完全基于注意力机制的编解码器模型，它抛弃了之前其它模型引入注意力机制后仍然保留的循环与卷积结构，而采用了自注意力（Self-attention）机制，在任务表现、并行能力和易于训练性方面都有大幅的提高。transformer过程。

分词是 自然语言理解 – NLP 的重要步骤。分词就是将句子、段落、文章这种长文本，分解为以字词为单位的数据结构，方便后续的处理分析工作。比如将：今天的天气很不错转化为：今天的\天气\很\不错百度百科：中文分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。我们知道，在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分

make_selection函数

OneHotEncoder函数一、函数功能与参数二、函数使用参考修改时间仅介绍常用功能，详情请看结尾参考链接。一、函数功能与参数将分类特征编码为one-hot数字数组。这个转换器的输入应该是一个类似数组的整数或字符串，表示分类（离散）特征所采用的值。使用 one-hot（又名“one-of-K”或“dummy”）编码方案对特征进行编码。这将为每个类别创建一个二进制列并返回一个稀疏矩阵或密集数组（取

决策树决策树的工作原理构造剪枝判断要不要打篮球纯度信息熵三种算法ID3算法 - 信息增益C4.5算法 - 信息增益率CART算法 - 信息增益率决策树的工作原理构造生成一颗完整的决策树，即选择什么属性作为节点的过程。节点分为三种：根节点，内部节点和叶节点剪枝给决策树瘦身，防止过拟合。预剪枝(Pre-Pruning)和后剪枝(Post-Pruning)决策树构造时就进行剪枝，生成决策树之后在进行剪枝

用Scrapy框架实现分布式爬虫实现原理实现步骤一.scrapy框架的安装二.创建项目三.创建爬虫对象四.更改文件配置五.创建并配置虚拟机六.可视化数据库进行管理七. 运行项目参考文档：实现原理一台主机：作为服务器和客户端其他主机：作为客户端客户端与服务端的实现：每个客户端的scrapy项目的setting文件中，对REDIS_HOST进行指定，指定的ip即服务端，客户端程序停止并等待服务...