V2EX › glennq 的所有回复 › 第 1 页 / 共 1 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

2016 年 5 月 9 日

回复了 terence4444 创建的主题 › Python › i = i +1 写成 i += 1 有什么好处？

前者等价于 i = i.__add__(1)，后者等价于 i.__iadd__(1)，对于 int 这种不可变对象是没太大区别，但在可变对象的情况下不仅效率可能有较大差别，实际产生的效果也不一样。

2016 年 4 月 19 日

回复了 menc 创建的主题 › 分享创造 › 有人愿意来一起翻译《Deep Learning》这本书么

如果 LZ 能搞定版权问题我倒是乐意参与

2016 年 4 月 18 日

回复了 itlynn 创建的主题 › Python › Python 的一个坑(元组)? or (多重赋值)?

一样是巧合，不一样才正常

2016 年 4 月 14 日

回复了 xxlong 创建的主题 › Python › 请教一下本人想学习 svm,找到 libsvm 的 python 版本,无法正确安装,上网搜索是 lib 在 python 中只有 32 位,本人 64 位,是否有解?

用 scikit-learn. SVC 和 SVR 用了 libsvm

2016 年 3 月 9 日

回复了 xiamx 创建的主题 › Python › 提升 sklearn 上 SVM classifier 的运行速度有什么好途径？

不要多想， sklearn 上的 svm 就是 wrap 了 libsvm 和 liblinear ，很难更快了。说到底 SVM 本来就慢

SVC -> libsvm
LinearSVC -> liblinear

2016 年 3 月 4 日

回复了 mikezhang0515 创建的主题 › 程序员 › 关于统计语言模型和神经网络语言模型

@mikezhang0515 首先“语言模型(Language Model)”是一个专有名词，主要目的是给定一个句子，能估算出其在这门语言中的出现概率。传统做法一般是 n-gram ，而神经网络一般是用 RNN+LSTM 。
文本分类又是另一个自然语言处理中的问题，一般做法是从每个文本中提取特征，然后就可以用任何有监督学习的方法来做了。至于词向量，你可以认为是给每个词的特征，想办法把这些组合起来变成整个文本的特征，之后就是同一个套路了

2016 年 3 月 3 日

回复了 mikezhang0515 创建的主题 › 程序员 › 关于统计语言模型和神经网络语言模型

类别判断？语言模型的目的本来就只是给句子一个概率啊