神说,该有个计划

入职第二天。该有个个人发展计划了。不能一味的每天忙碌却不知道在忙什么。

这么说貌似有点太空洞。

还是先计划一下自己最近的看书、工作和生活好了。

在校期间买的书,还有很多都没有看。其中,最重要的是mysql、python、erlang和nodejs。

安卓开发可以在工作中慢慢体会和领悟。

-------------------------------------------------

现在每天早上九点上班,晚上十点半下班。早上八点半起床之后有半个小时的看书时间。

晚上下班基本就没有什么时间用来看书了。

所以,可以在早上、中午和周末的时间用来看看自己感兴趣的东西。

erlang看起来还蛮有趣的。

python的网站还没有搭建起来。

-------------------------------------------------

一个月一本书。

-------------------------------------------------

戒骄戒躁

---------------------

2013.8.31

从毕业入职到现在,就要发第二个月的工资了。

前面的计划,每个月一本书,基本没完成。每天上班太晚,下班也太晚,基本没什么时间看书。不过倒是看了一本闲书《挪威的森林》,真是一本写的不错的书。

erlang最初的几天看了些语法基础,到后来就没什么时间看了。这样很不好。





### 回答1: 我可以为你提供一些指导,但实际的代码实现需要你自己去完成。你可以使用Scikit-Learn库中的SVM API来实现SVM。可以参考它的官方文档:https://scikit-learn.org/stable/modules/svm.html ### 回答2: SVM(Support Vector Machine,支持向量机)是一种二分类模型,可以通过Python进行实现。以下是一个简单的示例代码,在Python中使用Scikit-learn库实现一个基本的SVM模型。 首先,我们需要导入所需的库: ```python import numpy as np from sklearn import svm ``` 接下来,我们准备训练数据和标签,这里使用一个二维数组作为训练数据,并使用0和1作为标签,表示两个不同的类别: ```python X = np.array([[0, 0], [1, 1]]) y = np.array([0, 1]) ``` 然后,我们创建一个SVM模型,并使用训练数据进行拟合: ```python clf = svm.SVC() clf.fit(X, y) ``` 现在,我们可以使用训练好的模型进行预测了。这里使用了一个新的数据点进行预测: ```python new_data = np.array([[2, 2]]) prediction = clf.predict(new_data) print('预测结果:', prediction) ``` 最后,我们可以通过获取模型的支持向量和决策边界来进行可视化: ```python # 获取支持向量 support_vectors = clf.support_vectors_ print('支持向量:', support_vectors) # 获取决策边界 decision_function = clf.decision_function(X) print('决策边界:', decision_function) ``` 以上就是一个简单的使用Python编写SVM的示例。当然,在实际应用中,可能需要进行更多的数据预处理、调参等工作来优化模型性能。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值