![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘
alittlebirdsd
这个作者很懒,什么都没留下…
展开
-
Python中Numpy基础
numpy的功能: 提供数组的矢量化操作,所谓矢量化就是不用循环就能将运算符应用到数组中的每个元素中。 提供数学函数应用到每个数组中元素 提供线性代数,随机数生成,傅里叶变换等数学模块 numpy数组操作 numpy.array([],dttype=)生成ndarry数组,dttype指定存储数据类型 numpy.zeros((3,4))生成指定元素0的3行4列矩阵。 numpy.原创 2018-01-29 13:51:05 · 11809 阅读 · 0 评论 -
使用selenium自动化测试工具进行页面信息的抓取遇到的坑
为什么选择使用selenium? selenium是一个Web程序测试工具,selenium能解析js,而我平常写的简单爬虫都是爬静态页面,即原始的html,当js改变html的元素时,如果依照原来的那个爬取的html来弄就会出错。 selenium支持多种浏览器,Chrome,Firefox,Phantomjs(已经被弃用了,可以使用其他浏览器的无头模式)。重要的事说三遍,Chrome是真的快!C原创 2018-01-09 00:20:46 · 2465 阅读 · 0 评论 -
数据挖掘十大算法之C4.5决策树
C4.5决策树C4.5决策树属于分类算法,基于信息增益率来选择样本划分特征,每次根据这个特征将样本划分到不同的集合中。了解信息增益率 信息增益率=信息增益/分裂信息度量 ,信息增益是ID3分类决策树的划分样本特征,它的缺点在于倾向于选择特征取值多的特征作为划分标准,从信息增益的计算可以看出来(稍后说明),而分裂信息度量等于各种特征的取值所占比例*它的对数之和的负数,因为比例一定小于等于1,所以对数为原创 2018-04-17 11:01:42 · 413 阅读 · 0 评论 -
数据挖掘十大算法之k均值聚类算法
K-Means算法K-Means是一种聚类算法,属于无监督学习方法的一种。也是基于原型的聚类算法。简单的介绍就是选取k个中心点,形成簇,然后不断更新中心点,直至簇不再改变。算法流程 随机生成k个初始点作为中心点 将数据集中的数据按照距离中心点的远近分到各个簇中 将各个簇中的数据求平均值,作为新的中心点,重复上一步,直到所有的簇不再改变 距离的选择 欧氏距离 每个维度的差的平方之和 曼哈顿距离 每个维原创 2018-04-17 20:38:20 · 984 阅读 · 0 评论