Kblacksmith的博客

由于imwrite前使用编码在python3中已经不适用，可用imencode代替，以下代码是从视频中获取第2帧保存在中文文件夹下的实例： cap = cv2.VideoCapture("***.mp4") cap.set(cv2.CAP_PROP_POS_FRAMES, 2) ret, frame=cap.read() cv2.imwrite("我//h.jpg", frame)

ml的学习笔记。 之前学的知识都较为零散，现在需要系统的学习各种算法和思想，目前主要练习内容是基于《机器学习实战》。 在学习过程中，除了学习算法的本身之外，对python库的运用和矩阵运算的代码风格是另外一个学习的重心，c风格的编程习惯如果放到python里远不如矩阵运算和内置函数的效率高，学习过程 的一些记录在代码里以注释方式表示。 kNN.py from numpy

DecisionTree.pyfrom math import log #决策树利用了信息论中用熵来表示数据分类的混乱程度，一个集合中Shannon熵越高该集合越混乱 #因此选择划分属性的时候，先计算当前集合的熵，再分别计算利用每个属性划分后集合的熵， # 最后与当前集合熵相差最大的熵所对应的属性即当前划分属性 #一直最优划分，直到每个节点都为纯节点后或者所有属性都划分完了为止，此时建树完成 def

第一次参加DF的比赛（两个月前的比赛了），赛题为CCF-BDCI2017的《量子数聚-企业经营退出风险预测》，在此记录比赛过程中自己摸索的一些经验（运气使然前100进入了复赛，虽然最终离进入决赛还差了好几十名 o(一︿一+)o）。*1.任务描述： 本赛题以企业为中心，围绕企业主体在多方面留下的行为足迹信息构建训练数据集，以企业在未来两年内是否因经营不善退出市场作为目标变量进行预测。

软硬阈值及相应的改良方法见链接：点击打开链接数据来源：https://archive.ics.uci.edu/ml/datasets/Appliances+energy+prediction代码如下：import pywt import numpy as np import pandas as pd import matplotlib import matplotlib.pyplot as p...