腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
深度学习之tensorflow实战篇
专栏作者
举报
604
文章
1403594
阅读量
84
订阅数
订阅专栏
申请加入专栏
全部文章
python
编程算法
数据库
sql
r 语言
mongodb
云数据库 SQL Server
其他
http
机器学习
linux
人工智能
神经网络
html
深度学习
hive
https
java
大数据
numpy
云数据库 MongoDB
windows
NLP 服务
django
网络安全
hadoop
数据结构
tensorflow
github
决策树
ide
git
数据分析
数据处理
javascript
bash
json
开源
数据挖掘
node.js
ubuntu
线性回归
go
bash 指令
shell
anaconda
xml
windows server
mapreduce
爬虫
spark
正则表达式
云数据库 Redis
存储
text
c 语言
c++
oracle
nosql
ruby on rails
api
jar
中文分词
nginx
腾讯云测试服务
分布式
html5
ssh
sql server
监督学习
推荐系统
csv
data
label
list
sort
txt
博客
字符串
区块链
php
c#
css
access
打包
unix
apt-get
批量计算
文件存储
访问管理
云推荐引擎
网站
xslt & xpath
jdk
gui
ftp
grep
pytorch
db
dot
edge
file
graph
header
igraph
integer
key
max
min
plot
poi
sample
scale
size
stdout
sum
time
集合
开发
日志
调试
终端
费用中心
官方文档
ios
.net
jsp
scala
单片机
sqlalchemy
eclipse
matlab
搜索引擎
centos
日志服务
命令行工具
NAT 网关
数据加密服务
电商
企业
容器
缓存
运维
压力测试
数据迁移
jvm
yum
面向对象编程
hashmap
keras
二叉树
tcp/ip
单元测试
kernel
scikit-learn
socket编程
kerberos
系统架构
nat
kafka
特征工程
聚类算法
unicode
腾讯云图数据可视化
数据库管理
add
app
apple
apply
axis
bayesian
bi
bit
blob
boolean
break
browser
center
character
cmd
code
codec
configuration
copy
count
counter
criteria
database
default
desktop
distance
distribution
driver
encode
encoding
error
excel
exists
flags
flatten
frame
frequency
gaussian
ggplot2
global
handle
hash
input
instance
int
lapply
limit
line
map
median
multiprocessing
na
normalization
pandas
path
pool
predict
probability
proc
ps
pycharm
random
reduce
require
root
sampling
scanf
server
slice
static
sudo
table
tar
tensor
transpose
typeerror
union
vector
version
view
width
word
word2vec
xgboost
zip
笔记
编程
遍历
编码
程序
登录
递归
函数
加密
解决方案
快捷键
连接
数据
数据中心
数组
索引
虚拟机
压缩
优化
语法
原理
搜索文章
搜索
搜索
关闭
python下的Pandas中DataFrame基本操作(一),基本函数整理
其他
pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中对pandas的方方面面都有了一个权威简明的入门级的介绍,但在实际使用过程中,我发现书中的内容还只是冰山一角。谈到pandas数据的行更新、表合并等操作,一般用到的方法有concat、join、merge。但这三种方法对于很多新手来说,都不太好分清使用的场合与用途。 构造函数 方法 描述 DataFrame([data, index, columns, dtype, copy]) 构造数据框 属性和数据 方法
学到老
2018-06-13
10.9K
0
Win10下的 Anaconda的安装
其他
首先我们先从Anaconda官网(https://anaconda.org/)上下载对应自己系统版本的Anaconda。因为我的电脑是win10,64位的, 我下载的是:Anaconda3-5.1
学到老
2018-04-18
1.5K
0
python下Matplotlib绘图案例与常见设置简介
其他
首先一幅Matplotlib的图像组成部分介绍。 基本构成 在matplotlib中,整个图像为一个Figure对象。在Figure对象中可以包含一个或者多个Axes对象。每个Axes(ax)对象都是
学到老
2018-04-17
1.4K
0
centos7.4安装PostgreSQL,测试中
其他
安装yum更新源 yum install https://download.postgresql.org/pub/repos/yum/10/redhat/rhel-7-x86_64/pgdg-re
学到老
2018-04-02
745
0
SVM:利用sklearn 实现SVM分类 相关参数说明ING
其他
scv 函数 class sklearn.svm.SVC(C=1.0, kernel=’rbf’, degree=3, gamma=’auto’, coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape=None, random_state=None) SVM在sklearn库
学到老
2018-04-02
1K
0
RNN与LSTM之间的介绍和公式梳理
其他
最近在整理tensorflow,经常用到RNN与lSTM,故整理如下: -RNN:循环神经网络(Recurrent Neural Networks) -LSTM:长短时记忆网络(Long Short-Term Memory) 在看这篇文章之前,如果之前没有接触过-神经网络,请先阅读-神经网络调优 RNNs的目的使用来处理序列数据。其在自然语言中贡献巨大,中文分词、词性标注、命名实体识别、机器翻译、语音识别都属于序列挖掘的范畴。序列挖掘的特点就是某一步的输出不仅依赖于这一步的输入,还依赖于其他步的
学到老
2018-03-19
5.3K
0
python 生成内嵌式字典(dict)-案例从python提取内嵌json写入mongodb
其他
从mongo查询利用python 读写如新的集合 import traceback, from gaode_hotel.conn_mongodb import conn_mongodb import pandas as pd class extra_yunnan_hotel(object): def get_yunnan_hotel(self): #查询 db_1 = conn_mongodb("gaode_pois","gaode_pois_hotel_beijin
学到老
2018-03-19
1.8K
0
mongodb11天之屠龙宝刀(八)聚合函数与管道:sql与mongodb聚合函数对比
其他
mongodb11天之屠龙宝刀(八)聚合函数与管道:sql与mongodb聚合函数对比 MongoDB 聚合 MongoDB中聚合(aggregate)主要用于处理数据(诸如统计平均值,求和等),并返回计算后的数据结果。有点类似sql语句中的 count(*)。 基本语法为:db.collection.aggregate( [ , , … ] ) 现在在mycol集合中有以下数据: { "_id" : 1, "name" : "tom", "sex" : "男", "score" : 100, "age
学到老
2018-03-19
1.7K
0
NLP之tfidf与textrank算法细节对比基于结巴分词
其他
-NLP之tfidf与textrank算法细节对比 注:结巴默认在site-packages目录 关于结巴分词的添加停用词以及增加词相关操作可参考之前的博客,这里重点说下结巴关键词提取的两个算法 1.tfidf算法 官方文档如下: extract_tags(sentence, topK=20, withWeight=False, allowPOS=(), withFlag=False) method of jieba.analyse.tfidf.TFIDF instance Extra
学到老
2018-03-19
2.2K
0
python SVM 案例,sklearn.svm.SVC 参数说明
其他
sklearn.svm.SVC 参数说明 经常用到sklearn中的SVC函数,这里把文档中的参数翻译了一些,以备不时之需。 本身这个函数也是基于libsvm实现的,所以在参数设置上有很多相似的地方。(PS: libsvm中的二次规划问题的解决算法是SMO)。 sklearn.svm.SVC(C=1.0,kernel='rbf', degree=3, gamma='auto',coef0=0.0,shrinking=True,probability=False,tol=0.001,cache_size=20
学到老
2018-03-19
6K
0
地理信息地图标记KML与KMZ的区别
其他
地理信息地图标记KML与KMZ的区别 KML (keyhole markup language)是以XML语言为基础开发的一种文件格式,用来描述和存储地理信息数据(点、线、面、图片等),是纯粹的xml文本格式,可用记事本打开编辑,所以kml文件很小。KML跟XML文件最大的不同就是KML描述的是地理信息数据。最早开发KML的是keyhole公司,2004年Goole收购keyhole并用KML开发GooleEarth. KML是原先的Keyhole客户端进行读写的文件格式,是一种XML描述语言,并且是文本格
学到老
2018-03-19
3.9K
0
python yield函数深入浅出理解
其他
首先关于生成器的那些事: 1.通常的for…in…循环中,in后面是一个数组,这个数组就是一个可迭代对象,类似的还有链表,字符串,文件。它的缺陷是所有数据都在内存中,如果有海量数据的话将会非常耗内存。 它可以是mylist = [1, 2, 3],也可以是mylist = [x*x for x in range(3)]。 *它的缺陷是所有数据都在内存中,如果有海量数据的话将会非常耗内存。 2.生成器是可以迭代的,但只可以读取它一次。因为用的时候才生成。比如 mygenerator = (x*
学到老
2018-03-19
1.3K
0
windows 下对Redis的安装和部署以及连接客户端
其他
Redis的安装和部署 一、Redis的下载地址 Redis官方并没有提供Redis的windows安装包,但在github上, 有相关的下载地址,如下: https://github.com/ServiceStack/redis-windows/tree/master/downloads 也可以到百度网盘下载,下载地址:http://pan.baidu.com/s/1gf2nuin,我下载的版本是redis-64.3.0.503.zip(64位的win系统,redis 3.0版本)。 —–
学到老
2018-03-19
2.8K
0
windows下mysql忘记root密码,如何重设密码
其他
添加windows下mysql服务 以管理员身份打开cmd,执行 mysqld --install net stop mysql # 忘记密码找回 找到mysql数据库中的my.ini配置文件,登录跳过密码验证,增加字段skip-grant-tables然后保存 skip-grant-tables # 启动mysql服务 net start mysql 打开mysql目录窗口,找到bin目录下面的mysql.exe文件,以管理员身份运行 在打开的窗口中输入密码重置代码 mysql>use mysql m
学到老
2018-03-19
1.9K
0
R语言读CSV、txt文件方式以及read.table read.csv 和readr(大数据读取包)
其他
首先准备测试数据*(mtcars) 分别为CSV. TXT read.table 默认形式读取CSV(×)与TXT(效果理想) ① > test<-read.table("C:/Us
学到老
2018-03-19
8.2K
0
用R进行文本分析初探——包含导入词库和和导入李白语句
其他
用R进行文本分析初探——以《红楼梦》为例 一.写在前面的话~ 刚吃饭的时候同学问我,你为什么要用R做文本分析,你不是应该用R建模么,在我和她解释了一会儿后,她嘱咐我好好写这篇博文,嗯为了娟儿同学,细细说一会儿文本分析。 文本数据挖掘(Text Mining)是指从文本数据中抽取有价值的信息和知识的计算机处理技术。顾名思义,文本数据挖掘是从文本中进行数据挖掘(Data Mining)。从这个意义上讲,文本数据挖掘是数据挖掘的一个分支。 文本分析是指对文本的表示及其特征项的选取;文本分析是文本挖掘、信息
学到老
2018-03-19
2.4K
1
IBM SPSS Modeler Social Network Analysis 的介绍和日常应用
其他
IBM SPSS Modeler Social Network Analysis,中文叫做社交网络分析,本文将一律简称 SNA。 引言 IBM Business Analytics 能够帮助决策者提供可信任的完整的一致和准确的信息,以提高企业业绩。企业智能,预测分析,财务业绩和战略管理的完成解决方案。该方案能够提供对当前业绩的清晰直接和实用的洞察力,以及预测未来结果的能力。从而为帮助用户实现决策自动化提供强有力的支持。许多对行为建模的方法都侧重个人。它们使用有关个人的各种数据生成一个模型,并使用行为的关键指
学到老
2018-03-19
818
0
Hive的left join、left outer join和left semi join三者的区别
其他
Hive的Join的文档说明地址: https://cwiki.apache.org/confluence/display/Hive/LanguageManual%2BJoins 以下为两个测试数据表建表语句: MySQL use test; DROP TABLE IF EXISTS table1; create table table1( student_no bigint comment '学号', student_name string comment '姓名' ) COMMENT 'test 学生信
学到老
2018-03-19
2.7K
0
查找python项目依赖并生成requirements.txt与安装,指定路径
其他
Python项目中必须包含一个 requirements.txt 文件,用于记录所有依赖包及其精确的版本号。以便新环境部署。 我的是python -m 指定python类型,如果你只有一个版本直
学到老
2018-03-16
1.9K
0
基于gensim的Doc2Vec简析,以及用python 实现简要代码
其他
Doc2Vec 原理: Doc2Vec 或者叫做 paragraph2vec, sentence embeddings,是一种非监督式算法,可以获得sentences/paragraphs/documents 的向量表达,是 word2vec 的拓展。学出来的向量可以通过计算距离来找 sentences/paragraphs/documents 之间的相似性, 或者进一步可以给文档打标签。 例如首先是找到一个向量可以代表文档的意思, 然后可以将向量投入到监督式机器学习算法中得到文档的标签, 例如在
学到老
2018-03-16
7.5K
0
点击加载更多
社区活动
Python精品学习库
代码在线跑,知识轻松学
点击查看
热点技术征文第五期
新风口Sora来袭,普通人该如何把握机会?
立即参加
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档