FastFM简介 FastFM的主要特点是将是将因子分解封装成scikit-learn API接口，核心代码使用C编写，性能有一定的保障。 fastFM主要提供了回归、分类、排序三种问题的解决方法。其中对于优化器，有als，mcmc，s…
Surprise简介 Surprise（Simple Python Recommendation System Engine）是一款推荐系统库，是scikit系列中的一个。surprise设计时考虑到以下目的： 让用户完美控制他们的实验。为此，特别强调文档，试图通过…
稀疏矩阵是指矩阵中的元素大部分是0的矩阵，事实上，实际问题中大规模矩阵基本上都是稀疏矩阵，很多稀疏度在90%甚至99%以上。因此我们需要有高效的稀疏矩阵存储格式。本文总结几种典型的格式：COO,CSR,DIA,ELL,HYB…
反地理查询系统中我们讲到GADM提供的数据时不符合我国的领土主张的。今天要介绍的这份数据是《1:100万全国基础地理数据库》 数据介绍 全国1：100万基础地理数据覆盖全国陆地范围和包括台湾岛、海南岛、钓鱼岛、南…
OpenStreetMap数据简介 OpenStreetMap，简称OSM，是一个开源的世界地图，可依据开放许可协议自由使用，并且可以由人们自由的进行编辑，随着开源意识的普及，以及电子地图应用的普及，osm数据的质量和体量不断增加…
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库，简单来说，它能将HTML的标签文件解析成树形结构，然后方便地获取到指定标签的对应属性。这个特性lxml差不多。 Beautiful Soup的安装 Beautif…
在数据抓取过程中，经常遇到需要解析HTML中的内容，常用的是用正则表达式，今天主要介绍lxml工具及xpath的语法。 lxml简介 lxml 是一款高性能Python XML 库，它天生支持 XPath 1.0、XSLT 1.0、定制元素类，甚至 P…
LibShortText LibShortText是一个开源的Python短文本（包括标题、短信、问题、句子等）分类工具包。它在LibLinear的基础上针对短文本进一步优化，主要特性有： 支持多分类 直接输入文本，无需做特征向量化…
结巴分词 就是前面说的中文分词，这里需要介绍的是一个分词效果较好，使用起来像但方便的Python模块：结巴。 结巴中文分词采用的算法 基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况…
Wordcloud是一个生成词云的Python包，可以以词语为基本单位更加直观和艺术的展示文本，呈现效果类似标签云。这里主要讲解下如何使用。 wordcloud使用文档 所有函数均封装在WordCloud类里: WordCloud([...]) …
