- 博客(2)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 python编程-2.编写程序，输出所有由1,2,3,4这四个数字组成的素数，并且每个数字在素数中只出现一次。
#data用于存储在一定范围内的素数 data = set() for n in range(1234,4321,1): if n % 2 ==0: continue for i in range(3,int(n ** 0.5) + 1,2): if n % i == 0: break else: da...
2020-01-05 22:39:23
12872
原创 python __name__属性的作用
我们通常在看别人写的py程序或者阅读其他的书籍，会在一段代码前面看到 这么一行代码，那么这行代码到底有什么用？我分享一下我的看法。 首先看书上的介绍： 除了可以再开发环境或命令提示符环境中直接运行，任何python程序文件都可以作为模块导入并使用其中的对象，这也是实现代码复用的重要形式。通过python程序的__name__属性可以识别程序的使用方式，每个python脚本在运行时都会有一个__n...
2020-01-03 22:38:07
2581
1
基于Python的红楼梦文本分析.zip
stopwords-master：停用词
Dream_of_the_Red_Kmeans.py ：基于python实现红楼梦聚类分析的主程序
Dream_of_the_Red_Mansion.txt : 红楼梦txt
KMeansCluster_Class.py ：自己编写的KMeans程序
Red_Mansion_Dictionary.txt : 红楼梦人物名，辅助分词
2020-05-20
数据挖掘—ID3算法实现
ID3算法最早是由罗斯昆（J. Ross Quinlan）于1975年在悉尼大学提出的一种分类预测算法，算法的核心是“信息熵”。ID3算法通过计算每个属性的信息增益，认为信息增益高的是好属性，每次划分选取信息增益最高的属性为划分标准，重复这个过程，直至生成一个能完美分类训练样例的决策树。
决策树是对数据进行分类，以此达到预测的目的。该决策树方法先根据训练集数据形成决策树，如果该树不能对所有对象给出正确的分类，那么选择一些例外加入到训练集数据中，重复该过程一直到形成正确的决策集。决策树代表着决策集的树形结构。
决策树由决策结点、分支和叶子组成。决策树中最上面的结点为根结点，每个分支是一个新的决策结点，或者是树的叶子。每个决策结点代表一个问题或决策，通常对应于待分类对象的属性。每一个叶子结点代表一种可能的分类结果。沿决策树从上到下遍历的过程中，在每个结点都会遇到一个测试，对每个结点上问题的不同的测试输出导致不同的分支，最后会到达一个叶子结点，这个过程就是利用决策树进行分类的过程，利用若干个变量来判断所属的类别。
2019-11-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人