文本是非结构化的数据，我们无法直接对文本进行聚类处理。在此之前，应该对文本进行一些预处理操作，将文本信息转化成统一的结构化的形式。再对这些结构化的数据进行聚类。文本预处理对于聚类的效果有着重要的作用，预处理的质量高低影响着聚类结果的好坏。对于英文文本的预处理一般包含以下几个步骤：分词去除非英文文本拼... ...
分类：
其他好文 时间：
2019-09-30 12:44:47
阅读次数：
439
文章参考：@张井天的博客 #{...}是经过预处理的语句，可以防止SQL注入，被当做字符串来处理，对应JDBC中的PreparedStatement。推荐使用这种方法。 ${...}直接取值，有被注入的风险，对应JDBC中的Statement。不推荐使用，但在有些时候只能用这种方法，比如${...} ...
分类：
其他好文 时间：
2019-09-29 09:40:00
阅读次数：
86
KMP自动机 分类：字符串 内容：详细版 前置知识 不会的可以点击链接（如果有）或者前往 "OI Wiki" 学习 KMP 一些约定 字符集大小默认为 模板字符串默认为 文本字符串默认为 指字符串 的长度 字符串下标默认从 开始 简介 KMP自动机主要用于字符串的匹配问题，预处理复杂度为 ，可以以严 ...
分类：
其他好文 时间：
2019-09-28 18:22:05
阅读次数：
71
机器学习正在迅速改变我们的世界。我们几乎每天都会读到机器学习如何改变日常的生活。如果你在淘宝或者京东这样的电子商务网站购买商品，或者在爱奇艺或是腾讯视频这样的视频网站观看节目，甚至只是进行一次百度搜索，就已经触碰到了机器学习的应用。使用这些服务的用户会产生数据，这些数据会被收集，在进行预处理之后用来 ...
分类：
编程语言 时间：
2019-09-28 14:31:59
阅读次数：
568
https://codeforc.es/problemset/problem/1216/E2 同e1，由于k最大是$10^{18}$，所以我们不能预处理，只能每次二分的时候临时去计算。 1 #include <bits/stdc++.h> 2 using namespace std; 3 #defi ...
分类：
其他好文 时间：
2019-09-28 01:21:14
阅读次数：
124
https://codeforc.es/problemset/problem/1216/E1 求1121231234...序列里面第k个数字，k不超过10亿。 我们只要预处理一个sum数组，然后每次二分一下（其实不二分也可以） 1 #include <bits/stdc++.h> 2 using n ...
分类：
其他好文 时间：
2019-09-28 00:58:35
阅读次数：
79
T1 潘 较水吧，直接区间dp dp[i][j]显然表示区间答案，开头预处理出一个的和两个的 考虑转移 若当前的str[i]==str[j]，必可以和原来的最后一段形成回文，然后一起删掉 若str[i]!=str[j]，就枚举断点就ok了 T2 膜 考虑这题的复杂度差不多是O(n3)，想到了神奇的f ...
分类：
其他好文 时间：
2019-09-28 00:49:35
阅读次数：
130
P(y|X)=P(y)*P(X|y)/P(X) 样本中的属性相互独立； 原问题的等价问题为： 数据处理为防止P(y)*P(X|y)的值下溢，对原问题取对数，即： 注意：若某属性值在训练集中没有与某个类同时出现过，则直接P(y)或P(X|y)可能为0，这样计算出P(y)*P(X|y)的值为0，没有可比 ...
分类：
其他好文 时间：
2019-09-28 00:43:45
阅读次数：
351
第1章 课程介绍 第2章 数据获取 第3章 单因子探索分析与数据可视化 第4章 多因子探索分析 第5章 预处理理论 第6章 挖掘建模 第7章 模型评估 第8章 总结与展望 第1章 课程介绍 第2章 数据获取 第3章 单因子探索分析与数据可视化 第4章 多因子探索分析 第5章 预处理理论 第6章 挖掘 ...
分类：
编程语言 时间：
2019-09-27 23:11:21
阅读次数：
126
"题目" 我们知道，答案序列的第一个数一定是最小的度数不为$3$的点，记为$x$。 我们以$x$为根先$dfs$一遍，预处理出每个点的子树中最小的度数不为$3$的点的编号$f$。 我们知道$x$是答案的第一位，所以$x$一定在真正的二叉树的根的左下的最远处。 所以我们再从$x$开始从左下往右上$df ...
分类：
其他好文 时间：
2019-09-27 21:27:14
阅读次数：
79
