2017年03月_csshuke

转载【Python实现数据可视化】创建3D柱状图

虽然matplotlib主要专注于绘图，并且主要是二维的图形，但是它也有一些不同的扩展，能让我们在地理图上绘图，让我们把Excel和3D图表结合起来。在matplotlib的世界里，这些扩展叫做工具包（toolkits）。工具包是一些关注在某个话题（如3D绘图）的特定函数的集合。比较流行的工具包有Basemap、GTK 工具、Excel工具、Natgrid、AxesGrid和mplot3d

2017-03-31 23:34:50 7913

转载解决UnicodeDecodeError: ‘ascii’ codec can’t decode byte 0xe5 in position 108: ordinal not in range(12

方案一：今天做网页到了测试和数据库交互的地方，其中HTML和数据库都是设置成utf-8格式编码，插入到数据库中是正确的，但是当读取出来的时候就会出错，原因就是Python的str默认是ascii编码，和unicode编码冲突，就会报这个标题错误。那么该怎样解决呢？通过搜集网上的资料，自己多次尝试，问题算是解决了，在代码中加上如下几句即可。import sysreloa

2017-03-31 23:14:58 893

转载架构设计师能力模型

不论是在公司内部，还是在面试过程中，经常看到很多开发人员，说想成长为架构师，但是实际上却像一支无头苍蝇一样学习、成长。所以今天我就来简单总结一下，开发人员要成长为一个架构师，都应该学习哪一方面的知识。也就是：架构师的能力模型。（PS：本文纯属个人见解，并不一定完全正确。对于此类话题，每个人可能都有不同的看法。欢迎大家拍砖。）开发人员职业发展方向在说明架构师能力

2017-03-28 12:59:57 930

转载对频率论（Frequentist）方法和贝叶斯方法（Bayesian Methods）的一个总结

注：本文是对《IPython Interactive Computing and Visualization Cookbook》一书中第七章【Introduction to statistical data analysis in Python – frequentist and Bayesian methods】的简单翻译和整理，这部分内容主要将对统计学习中的频率论方法和贝叶斯统计方法进

2017-03-28 12:55:24 1354

转载教你如何区分描述统计学与推断统计学

统计学被广泛的应用于各个领域之上，从物理和社会科学，再到人文科学，甚至被用在工商业及ZF的情报决策当中。统计学又可分为描述统计学和推断统计学，那么要怎样来区分她们呢？　　我们先来了解描述统计学和推断统计学的概念：描述统计学(descriptive statistics)是研究如何取得反映客观现象的数据,并通过图表形式对所搜集的数据进行加工处理和显示,进而通过综合概括与分析得出反

2017-03-21 09:13:26 11434

转载如何通俗理解beta分布？

作者：小杰链接：https://www.zhihu.com/question/30269898/answer/123261564来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。beta分布介绍相信大家学过统计学的都对正态分布二项分布均匀分布等等很熟悉了，但是却鲜少有人去介绍beta分布的。用一句话来说，beta分布可以看作一个概率的

2017-03-20 14:19:39 1642

转载机器学习算法比较

决策树中很重要的一点就是选择一个属性进行分枝，因此要注意一下信息增益的计算公式，并深入理解它。如果样本数量大于特征数目，这时可以使用非线性核，将样本映射到更高维度，一般可以得到更好的结果;作者：刘伟帝本文主要回顾下几个常用算法的适应场景及其优缺点!(提示：部分内容摘自网络)。机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真

2017-03-19 23:23:30 642

转载贝叶斯告诉你，投掷硬币概率可以是90%

信贝爷，得永生开头先开个玩笑，有人说“信贝爷，得永生” 你是否理解此中真意？贝爷是这位，生前是个神父。贝叶斯分析是整个机器学习的基础框架，它的思想之深刻远出一般人所认知的，我们这里要从贝叶斯统计说起。首先谈概率，概率这件事大家都觉得自己很熟悉，叫你说概率的定义，你却不一定说的出，我们中学课本里说概率这个东西表述是一件事发生的频率，

2017-03-19 23:09:37 12958 3

转载数学之美番外篇：平凡而又神奇的贝叶斯方法

概率论只不过是把常识用数学公式表达了出来。——拉普拉斯目录0. 前言 1. 历史 1.1 一个例子：自然语言的二义性 1.2 贝叶斯公式 2. 拼写纠正 3. 模型比较与贝叶斯奥卡姆剃刀 3.1 再访拼写纠正 3.2 模型比较理论（Model Comparasion）与贝叶斯奥卡姆剃刀（Bayesian Occ

2017-03-18 08:08:29 285

转载传说中的贝叶斯统计到底有什么来头？

贝叶斯统计在机器学习中占有一个什么样的地位，它的原理以及实现过程又是如何的？本文对相关概念以及原理进行了介绍。引言：在很多分析学者看来，贝叶斯统计仍然是难以理解的。受机器学习这股热潮的影响，我们中很多人都对统计学失去了信心。我们的关注焦点已经缩小到只探索机器学习了，难道不是吗？机器学习难道真的是解决真实问题的唯一方法？在很多情况下，它并不能帮助我们解决问题，即便在这些问题中存在着大

2017-03-17 11:38:41 554

转载 Think Bayes - 我所理解的贝叶斯定理

贝叶斯定理是统计学中非常重要的一个定理，以贝叶斯定理为基础的统计学派在统计学世界里占据着重要的地位，和概率学派从事件的随机性出发不同，贝叶斯统计学更多地是从观察者的角度出发，事件的随机性不过是观察者掌握信息不完备所造成的，观察者所掌握的信息多寡将影响观察者对于事件的认知。条件概率和全概率在介绍贝叶斯定理之前，先简单地介绍一下条件概率，描述的是事件 A 在另一个事件 B 已经发生条件

2017-03-17 11:12:37 8967

转载贝叶斯法则与先验概率，后验概率

1.贝叶斯法则机器学习的任务：在给定训练数据D时，确定假设空间H中的最佳假设。最佳假设：一种方法是把它定义为在给定数据D以及H中不同假设的先验概率的有关知识下的最可能假设。贝叶斯理论提供了一种计算假设概率的方法，基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身。2.先验概率和后验概率用P(h)表示在没有训练数据前假设h拥有的初始概率。P

2017-03-17 08:49:05 999

转载全概公式和贝叶斯公式的理解

目录(?)[+]条件概率首先，理解这两个公式的前提是理解条件概率，因此先复习条件概率。P(A|B)=P(AB)P(B)理解这个可以从两个角度来看。第一个角度：在B发生的基础上，A发生的概率。那么B发生这件事已经是个基础的条件了，现在进入B已经发生的世界，看看A发生的概率是多少。那么分子就是B发生A也发生，分母就是B这个世界发生的概率了。分母如果是1，那么成

2017-03-17 08:07:53 460

转载浅析python 中name = 'main' 的作用

很多新手刚开始学习python的时候经常会看到python 中__name__ = \'__main__\' 这样的代码，可能很多新手一开始学习的时候都比较疑惑，python 中__name__ = '__main__' 的作用，到底干嘛的？有句话经典的概括了这段代码的意义：“Make a script both importable and executable”意思就是

2017-03-09 19:59:52 234

转载如何进行良好的程序设计（1）

关于程序设计，掐指算来也写了快有十年的程序了，之前很长的一段时间都是以算法类的竞赛为主，对于程序结构的设计，总是胡乱写写，能跑通就算ok了。来公司后，接触了一些大一点的项目的设计，设计的重要性就凸现出来了。为了更好的设计（不能说到完美，但是至少不要把自己和用户弄晕），我写点自己的一些感悟（有自己思考的，也有和公司的前辈讨论得到的），不能说本系列是一篇指导性的文章，权当是抛砖引玉，

2017-03-04 16:52:17 764