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. 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。