原文地址之前的博客有写到过Markdown轻量级标记语言，也提到过RStudio，还有神奇的Pandoc。今天就介绍一下用RStudio来搭配Markdown的写作环境，并利...
发简信
IP属地：北京
原文地址之前的博客有写到过Markdown轻量级标记语言，也提到过RStudio，还有神奇的Pandoc。今天就介绍一下用RStudio来搭配Markdown的写作环境，并利...
Praat 语音学软件，原名Praat: doing phonetics by computer，通常简称 Praat，是一款跨平台的多功能语音学专业软件，主要用于对数字化的...
实验目的 学习如何读取一个文件 学习如何使用DataFrame 学习jieba中文分词组件及停用词处理原理 了解Jupyter Notebook 概念 中文分词 在自然语言处...
参考：生成词云之python中WordCloud包的用法https://amueller.github.io/word_cloud/https://github.com/am...
转自 进击的Coder 公众号 原理 中文分词，即 Chinese Word Segmentation，即将一个汉字序列进行切分，得到一个个单独的词。表面上看，分词其实就是那...
ICTCLAS（现在叫nlpir）是中科院张华平博士开发中文分词器。NLPIR分词系统前身为2000年发布的ICTCLAS词法分析系统，从2009年开始，为了和以前工作进行大...
在学习文本分类的时候发现主要有以下几个步骤，借助代码说明（代码大多参考：机器学习算法原理与编程实战，不过发现给的语料有些编码问题，并且本人用的是Python3.6+windo...
TF-IDF简介 TF（Term Frequency）是指词频，就是一个词在文本中出现的词数，常用标准化处理 IDF（Inverse Document Frequency）是...
最近在看机器学习的书籍和视频，主要有：统计学习方法 李航西瓜书 周志华python机器学习实战机器学习算法原理与编程实战 郑捷（本文主要参看这本书，有代码，不过做本文做了稍...
安装tesseract-ocr-setup-3.02.02 并配置环境变量 链接：https://pan.baidu.com/s/1c3vIslq 密码：px5g 打开CMD...
导语 图片文字识别也是有点意思哈，苦于现在用Python实现图片中文识别的方法很有限，不知死活的胖子打算记录一下自己挥泪的实现过程…… 1. 工具准备 笔者使用的是Tesse...
先把Tesseract的基础部分放上来。由于对游戏的文案非常感兴趣，所以希望可以将游戏中图片截图，识别图片上的文字转成txt，基于此记录一下学习过程，简单记录。 环境说明： ...
1.介绍 Tesseract 是一个 OCR 库,目前由 Google 赞助(Google 也是一家以 OCR 和机器学习技术闻名于世的公司)。Tesseract 是目前公认...
字符串是一种重要的数据形式，有价值的程序都会涉及到对于字符串的处理。幸运的是，强大的python内置了很多函数，来帮助我们解析和处理字符串。本文会涉及到字符串编码，简单的字符...
聊聊优秀编辑器的特点 Python官方安装包提供的两种代码编辑工具对于调试与运行Python程序虽然已经够用，但为了提升代码编写的效率以及体验，我还是强烈建议大家使用一些第三...
平时习惯了在某些特定的数据集合上做实验，简单的tokenization、预处理等步骤就足够了。但是在数据越来越大的年代，数据清洗越来越重要，也越来越复杂。看到Philip J...
