说明：如果访问 GitHub 比较慢的话，可以关注我的知乎账号（Python-Jack），上面的“从零开始学Python”专栏（对应本项目前 20 天的内容）比较适合初学者，其他的专栏如“数据思维和统计思维”、“基于Python的数据分析”、“说走就走的AI之旅”等也在持续更新中 ...

物种注释的本质是与参考序列数据库进行比对，利用identity、score、coverage、e-value等多项指标，对比对结果进行综合打分，根据相应的注释算法进行最后判定的过程。因此，注释结果的全面性和准确性不仅与参考数据库的选择有关，注释算法的应用也是很重要的一环 ...

之前写过一个 keras 进行图像分类的教程，同时也便于自己使用，进行了开源。经过一段时间的学习，虽然已不再使用 keras 和 tensorflow 作为深度学习框架进行项目开发，但是 keras 的简洁性还是值得新手选择使用的。这里完善一下教程和代码。建议：框架只是工具 ...

从下载数据集，解压到scikit_learn_data文件夹下，加载数据，详见code注释。 因为我们只取了10000个词，即10000维feature，稀疏度还不算低。而实际上用TfidfVectorizer统计可得到上万维的feature，我统计的全部样本是13w多维，就是一个相当稀疏的矩阵了。 上面代码注释说TF ...