16 августа — 20 августа.

После того, как я узнал больше о машинном обучении и основах глубокого обучения, последовал веб-скрейпинг. Web Scraping — важная часть Data Science для применения любого метода, модели или операции, в которой нам нужны данные. С помощью парсинга веб-страниц мы можем извлечь данные с веб-сайта, будь то новостная статья или какое-либо изображение.

Шаги для парсинга веб-страниц

  1. Найдите URL-адрес, который вам нужно очистить
  2. Осмотрите страницу
  3. Найдите данные, которые хотите извлечь
  4. Написать код
  5. Запустите код и извлеките данные.
from selenium import webdriver
from BeautifulSoup import BeautifulSoup
import pandas as pd
driver = webdriver.Chrome("/usr/lib/chromium-browser/chromedriver")
products=[] #List to store name of the product
prices=[] #List to store price of the product
ratings=[] #List to store rating of the product
driver.get("<a href="https://www.flipkart.com/laptops/">https://www.flipkart.com/laptops/</a>~buyback-guarantee-on-laptops-/pr?sid=6bo%2Cb5g&amp;amp;amp;amp;amp;amp;amp;amp;amp;uniq")
content = driver.page_source
soup = BeautifulSoup(content)
for a in soup.findAll('a',href=True, attrs={'class':'_31qSD5'}):
name=a.find('div', attrs={'class':'_3wU53n'})
price=a.find('div', attrs={'class':'_1vC4OE _2rQ-NK'})
rating=a.find('div', attrs={'class':'hGSR34 _2beYZw'})
products.append(name.text)
prices.append(price.text)
ratings.append(rating.text)
df = pd.DataFrame({'Product Name':products,'Price':prices,'Rating':ratings})
df.to_csv('products.csv', index=False, encoding='utf-8')

Помимо всего этого, мы продолжили наше путешествие по математике: параметрические уравнения для линий и кривых, частные производные.
В машинном обучении мы сделали реализацию линейной регрессии, матрицу путаницы, отзыв, кривую ROC.