Task1 初识matplotlib本章节知识点导入模块: import matplotlib.pyplot as plt/import numpy as np定义图像窗口：plt.figure()画图：plt.plot(x,y)定义坐标轴范围：plt.xlim()/plt.ylim()定义坐标轴名

1. jieba 中文分词处理import jiebatext = "大部分情况下，词汇是我们对句子和文章理解的基础，因此需要一个工具去把完整的文本中分解成粒度更细的词。"cut_result = jieba.cut(text, cut_all=True) # 全模式print

1. 二次回归和线性回归的拟合效果的对比import numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegressionfrom sklearn.preprocessing impor

1. Python 正则表达式1.1 正则表达式语法1.2 正则表达式工具在线验证工具正则练习工具2. Python案例Re 模块使用re的一般步骤是将正则表达式的字符串形式编译为 Pattern 实例使用 Pattern 实例处理文本并获得匹配结果（一个 Match 实例）使用 Match 实例获

1. 字符串操作1.1 去空格和特殊符号strip() 去除两端的空格lstrip() 去除左边空格lstrip(str) 去除左边以 str 开头的部分, 必须完全匹配rstrip() 去除右边空格rstrip(str) 去除右边以 str 结尾的部分, 必须完全匹配s = ' hello , w

1. 停用词下载NLTK : https://www.nltk.org/data.html停用词下载地址 : http://www.nltk.org/nltk_data/2. 安装将下载后的 stopwords 放在虚拟环境的指定位置, nltk_data 和 corpora 是需要自己创建的3.

1. 使用 tensorflow 的 keras 接口实现线性回归import tensorflow as tffrom tensorflow import data as tfdata2. 生成数据集# 数据维度num_input = 2# 元素个数num_examples = 1000# 参数t

1. 线性回归的从零开始实现本节将介绍如何只利用Tensor和GradientTape来实现一个线性回归的训练。首先，导入本节中实验所需的包或模块，其中的matplotlib包可用于作图，且设置成嵌入显示。%matplotlib inlineimport tensorflow as tfprint(

import tensorflow as tfimport numpy as nptf.__version__'2.3.0'1. 自动求梯度简介在深度学习中，我们经常需要对函数求梯度（gradient）。本节将介绍如何使用tensorflow2.0提供的GradientTape来自动求梯度。Grad

在深度学习中，我们通常会频繁地对数据进行操作。作为动手学深度学习的基础，本节将介绍如何对内存中的数据进行操作。