其實(shí) 讀書是很私人的事情 自己分享很喜歡的書 別人卻不一定喜歡 真正喜歡讀書的人都會(huì)擁有自己的書柜 我也要爭(zhēng)取先給自己賺個(gè)書柜
大年初五來曬書今年實(shí)現(xiàn)了一個(gè)小目標(biāo)：終于擁有了自己的書架掷漱。當(dāng)我把自己喜歡的合敦、讀過的部分圖書放進(jìn)新書架時(shí)入偷，真好像有了一個(gè)億！ 不對(duì)饱须，一個(gè)億會(huì)讓我張狂無措，而現(xiàn)在我是這樣安心又歡喜。 不知怎么...
想到黃渤演過的一個(gè)電影 好像叫 殺生
故事燴22｜春節(jié) 三妹不敢回家1 我的故鄉(xiāng)山清水秀见擦，小小的縣城被連綿的群山包圍著钉汗，兒時(shí)，父母總嚇唬我山里有狼锡宋，長(zhǎng)大了儡湾，我知道，深深的山里住著很多人执俩，我們叫他們山里人徐钠，帶著幾絲鄙夷，因?yàn)橐凼祝麄冎械暮芏嗳顺⒇ぃ_...
概要 這篇論文（不知道為什么插入不了鏈接了，大家可以自行Google）是17年AAAI上的一篇文章衡奥，提出了一種基于image-level標(biāo)記的弱監(jiān)督語義分割的算法爹袁。這個(gè)算法包...
思路分析 首先利用Python的Requests庫去獲取參數(shù)中頁面的內(nèi)容 , 然后進(jìn)行使用BeautifulSoup庫進(jìn)行解析 , 解析到圖片以后開啟多線程進(jìn)行下載保存 截圖...
引言 這篇文章主要是貝葉斯分類器的實(shí)戰(zhàn)篇，主要講的是樸素貝葉斯分類器矮固。 樸素貝葉斯分類器 回顧上篇文章失息，我們知道直接基于貝葉斯分類會(huì)比較麻煩譬淳，因?yàn)槲覀儽仨氁烙?jì)類條件概率。首...
引言 前面介紹的分類算法盹兢，我們都是期望這個(gè)分類算法能夠給我們一個(gè)確定的分類邻梆。但是，有時(shí)候绎秒，分類器也像我們?nèi)祟愐粯悠滞瑢?duì)自己的判斷并不是非常有把握。這時(shí)候见芹，我們需要分類器告訴我們...
上篇文章介紹了K-近鄰的分類方法剂娄，這篇文章介紹另外一種分類的方法：決策樹。和K-近鄰不同玄呛，決策樹的方法包括了一個(gè)訓(xùn)練的過程阅懦。通過這個(gè)訓(xùn)練過程，我們可以構(gòu)造一棵決策樹徘铝。然后我們...
