代码结构结巴分词的代码结构如下图所示。extra_dict目录下存放的是分词需要的外部数据，主要包括字典数据dict.txt、各词的idf数据idf.txt和分词前需要过滤的停用词表stop_words.txt；jieba目录是主要的程序目录，该目录下analyse为tfidf、textrank等对 ...

评估一个分类算法效果的指标主要有准确率（precision）、召回率（recall）、AUC、gini系数和F1等，在不同的应用场景下这些指标都有相应的用处。 混淆矩阵以上的指标的计算都依赖于一个混淆矩阵，如下表所示，这个混淆矩阵包括四个变量TP、FP、FN、TN，分别表示实际为正确，预测也为正确； ...

花了两个周末的时间尝试了一下基于用户相似度的协同过滤算法(userCF)，主要目的除了对这种算法加深一下理解外，还想对推荐系统的数据集划分方式、评测指标、推荐的参数选择有一些实际的了解。算法本身虽然比较简单，但是实际工程中还是有不少学问的，尤其是当推荐的用户和候选商品规模比较庞大的情况下，如何合理的 ...

逻辑回归是一种思想简单但是非常实用的算法，主要用来处理数据规模庞大、维度较高且对实时性有一定要求的分类问题。目前我知道的逻辑回归在工业界的应用主要有点击率预估、用户分群；在较为复杂的分类或者回归问题中逻辑回归可以用来当作stage1的分类算法，对初始数据进行一个预分类保证用于训练的数据足够干净；此外 ...

一直以来都想要搭建一个个人博客，前段时间花了一些时间在git pages上面注册了一个个人站点，用Hexo构建博客框架，并添加主题。这篇文章把这个搭建的过程记录一下，后续对这个系统的优化也会逐步更新到这篇博客。 创建git page项目首先在自己的github账户中创建一个github项目，项目名称 ...

本文用于整理鸟哥的linux私房菜中关于文件系统、磁盘相关的知识，主要包括下面几个方面： linux用户组与权限配置 linux目录配置 linux文件和目录管理 linux文件系统和磁盘挂载 linux压缩和打包相关 linux用户组与权限配置基本权限linux任何一个文件或目录都具有Use ...

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in ...