排序算法（二）：堆排序
完全二叉树的特点（百度百科）：
一棵二叉树至多只有最下面的两层上的结点的度数可以小于2，并且最下层上的结点都集中在该层最左边的若干位置上，则此二叉树成为完全二叉树，并且最下层上的结点都集中在该层最左边的若干位置上，而在最后一层上，右边的若干结点缺失的二叉树，则此二叉树成为完全二叉树。
完全二叉树具备
...
详解RNN文本分类模型的架构
典型RNN模型下图是典型的RNN模型，$X$是输入，对文本经过嵌入层嵌入处理，再进入RNN，RNN的后面是全连接层，输出各个类别的概率。
下面来描述一次数据从输入到输出的完整过程：
在自然语言处理中，不管是中文还是英文，首先第一步的任务是如何将文本数据数值化。对于中文，可以先建立词汇表，给词汇表中
...
基于 Tensorflow 的 TextRNN 在搜狗新闻数据的文本分类实践
先前一篇文章基于 Tensorflow 的 TextCNN 在搜狗新闻数据的文本分类实践是CNN在文本分类中的一次尝试，在接触了LSTM之后了解到它自然语言处理中有非常广泛的应用，比如情感分析、信息提取（命名体识别）、机器翻译等领域大放异彩，本文就来看看它在文本分类上究竟会有什么样的表现。
机器学习算法系列（18）理解 LSTM 网络
先前仅仅是听RNN这个名词比较多一点，但没有深入去了解，在前一篇文章中我用CNN做了一次文本分类的实践，然后发现RNN也可以完成该任务，所以便开始寻找相关资料学习RNN。我比较推荐台大李宏毅老师的机器学习课程，算是比较清晰易懂的了，没有公式堆砌，完全“人肉手撕”。课程里面有两节专门讲解RNN，第一节讲原理（认真看），第二节讲应用的场景（快速过）。
学完课程，对照PDF课件差不多知道了RNN相比传统的神经网络具有“记忆”的特性，更加注重数据的上下文关系，就不难理解现有语音识别、机器翻译、自动生成等等技术背后的知识，以及RNN最成功的扩展长短时记忆网络（简称LSTM，Long Short-term Memory）。现在，我基本理解了RNN的一些知识，以笔记的形式记录下来。
基于 Tensorflow 的 TextCNN 在搜狗新闻数据的文本分类实践
这篇文章记录了从零开始用 tensorflow 构建卷积神经网络模型，并对搜狗的新闻数据做的文本分类实践。众所周知，tensorflow 是一个开源的机器学习框架，它的出现大大降低了机器学习的门槛，即使你没有太多的数学知识，它也可以允许你用“搭积木”的方式快速实现一个神经网络，即使没有调节太多的参数，模型的表现一般还不错。目前，tensorflow 的安装已经变得非常简单，一个简单的pip install tensorflow即可，然后import tensorflow as tf就能愉快玩耍了。
