2017年07月_hang__19

原创非线性回归

1. 概率： 1.1 定义概率(P)robability: 对一件事情发生的可能性的衡量 1.2 范围 0 1.3 计算方法： 1.3.1 根据个人置信 1.3.2 根据历史数据 1.3.3 根据模拟数据 1.4 条件概率：

2017-07-29 22:18:41 4987

原创多元线性回归模型

1. 与简单线性回归区别(simple linear regression) 多个自变量(x)2. 多元回归模型 y=β0＋β１x1+β2x2+ ... +βpxp+ε 其中：β0，β１，β2... βp是参数 ε是误差值3. 多元回归方程 E(y)=β0＋β１x1+β2x2+ ..

2017-07-28 10:04:09 1762

原创线性回归模型

1. 简单线性回归模型举例：汽车卖家做电视广告数量与卖出的汽车数量：1.1 如何练出适合简单线性回归模型的最佳回归线/使sum of squares最小1.1.2 计算分子 = (1-2)(14-20)+(3-2)(24-20)+(2-2)(18-20)+(1-2)(17-20)+(3-2)(27-20) =

2017-07-28 09:42:24 588

原创神经网络算法的实例

1.简单非线性关系数据集测试（XOR)X: Y0 0 00 1 11 0 11 1 0Code: #!/usr/bin/env python#-*-coding:utf-8-*

2017-07-27 15:57:25 5577

原创神经网络算法实现

1. 关于非线性转化方程(non-linear transformation function)sigmoid函数(S 曲线)用来作为activation function: 1.1 双曲函数(tanh)tanh是双曲函数中的一个，tanh()为双曲正切。在数学中，双曲正切“tanh”是由基本双曲函数双曲正弦和双曲余弦推导而来公式定义双曲正切函数

2017-07-27 15:34:23 10079

原创神经网络NN算法

1. 背景: 1.1 以人脑中的神经网络为启发，历史上出现过很多不同版本 1.2 最著名的算法是1980年的 backpropagation 2. 多层向前神经网络(Multilayer Feed-Forward Neural Network) 2.1 Backpropagation被使用在多层向前神经网络上 2.2 多层向前神经网络由以

2017-07-27 14:25:22 2263

原创支持向量机(SVM)的实现

#!/usr/bin/env python#-*-coding:utf-8-*-#支持向量积的使用，建立超平面from sklearn import svmx=[[2,0],[1,1],[2,3]]y=[0,0,1]clf=svm.SVC(kernel='linear')#kernel='linear'线性核函数clf.fit(x,y)print(clf)prin

2017-07-25 15:22:01 572

转载支持向量机（SVM）算法

支持向量机（SVM）算法支持向量机(support vector machine)是一种分类算法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解

2017-07-25 15:12:21 345

原创 KNN算法的实现

#!/usr/bin/env python#-*-coding:utf-8-*-#knn实现手写数字识别#1建立工程并导入sklearn包‘import numpy as npfrom os import listdir #使用listdir模块，用于访问本地文件from sklearn import neighbors#2加载训练数据#将加载的32*32的图片矩阵展开成一列向量

2017-07-25 14:43:14 609

原创邻近算法(KNN算法)

邻近算法锁定本词条由“科普中国”百科科学词条编写与应用工作项目审核。邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类

2017-07-25 14:38:27 6242

原创机器学习——决策树的实现

#!/usr/bin/env python#-*-coding:utf-8-*-#决策树的建立，训练测试，from sklearn.feature_extraction import DictVectorizerimport csvfrom sklearn import preprocessingfrom sklearn import treefrom sklearn.externa

2017-07-25 14:18:14 591

原创机器学习——决策树算法

2017-07-25 14:10:12 1872

原创 Q-学习，马克尔决策过程：强化学习

马尔可夫决策过程马尔可夫决策过程是基于马尔可夫过程理论的随机动态系统的最优决策过程。马尔可夫决策过程是序贯决策的主要研究领域。它是马尔可夫过程与确定性的动态规划相结合的产物，故又称马尔可夫型随机动态规划，属于运筹学中数学规划的一个分支。马尔可夫决策过程是指决策者周期地或连续地观察具有马尔可夫性的随机动态系统，序贯地作出决策。即根据每个时刻观察到的状态，从可用的行动集合中选用一个行动作出决策

2017-07-25 07:42:25 1118

原创 socket网络编程实现远程备份

#!/usr/bin/env python#-*-coding:utf-8-*-#GUI设计与构建客户端建立from tkinter import *from tkinter.ttk import *import socketimport struct#启动服务def start(host,port): pass#我的控件class MyFrame(Frame)

2017-07-24 19:41:10 791

原创 socket网络编程ftp

#!/usr/bin/env python#-*-coding:utf-8-*-#ftp客户端import os import socketimport threadingimport socketserver#下载文件def get_file(host,port,filepath): s=socket.socket() s.connect((host,port)

2017-07-24 19:36:33 569

原创 socket网络编程多线程

#!/usr/bin/env python#-*-coding:utf-8-*-#多进程import threadingimport timedef thfun(): s=0 for i in range(30): s+=i time.sleep(0.1) print(s)class MyThread(threading.Thr

2017-07-24 19:30:09 461

原创 socket网络编程tcp

#!/usr/bin/env python#-*-coding:utf-8-*-#tcp 客户端import socketHOST='127.0.0.1'POST=3214s=socket.socket()try: s.connect((HOST,POST)) data='你好！' while data: s.sendall(data.

2017-07-24 19:25:47 220

原创 socket网络编程udp

#!/usr/bin/env python#-*-coding:utf-8-*-#udp socketserver客户端import socketHOST='127.0.0.1'PORT=3214s=socket.socket(socket.AF_INET,socket.SOCK_DGRAM)data='你好！'s.sendto(data.encode('utf-8'),(HO

2017-07-24 19:22:26 297

原创 Python 数据库连接

#!/usr/bin/env python#-*-coding:utf-8-*-#异常处理，with的使用，class Mycontex(object): def __init__(self,name): self.name=name def __enter__(self): print("__enter__") return

2017-07-24 19:01:05 347

原创 Python的Pexpect库

Pexpect 是一个用来启动子程序并对其进行自动控制的纯 Python 模块。 Pexpect 可以用来和像 ssh、ftp、passwd、telnet 等命令行程序进行自动交互。本文主要是针对ssh远程登录，然后执行简单的新建文件夹与拷贝任务 Pexpect 的安装：下载：https://pypi.python.org/pypi/pexpect/解压后在目录下运行：python

2017-07-24 18:52:06 1048

原创 python的unittest模块实现软件单元测试

#!/usr/bin/env python#-*-coding:utf-8-*-class Count(object): version=1 def add(self,x,y): return x+y def sub(self,x,y): return x-yif __name__=='__main__': c=Count()

2017-07-24 17:01:17 289

Believe in the Future的专栏