python
铁头娃1740
若不是生活所迫,谁愿意把自己弄的一身才华
展开
-
Django框架详解(更新中......)
Django软件框架一个公司是由公司中的各部部门来组成的,每一个部门拥有特定的职能,部门与部门之间通过相互的配合来完成让公司运转起来。一个软件框架是由其中各个软件模块组成的,每一个模块都有特定的功能,模块与模块之间通过相互配合来完成软件的开发。软件框架是针对某一类软件设计问题而产生的。MVC框架2.1 MVC简介MVC最初是由施乐公司旗下的帕罗奥多研究中心中的一位研究...原创 2019-08-09 10:47:01 · 815 阅读 · 0 评论 -
机器学习之python数据类型详解
python数据类型详解目录1、字符串2、布尔类型3、整数4、浮点数5、数字6、列表7、元组8、字典9、日期1、字符串1.1、如何在Python中使用字符串a、使用单引号(')用单引号括起来表示字符串,例如:str='this is string';print str;b、使用双引号(")双引号中的字符串与单引号中...原创 2019-08-07 14:37:23 · 438 阅读 · 0 评论 -
机器学习之python语言与numpy库
1 Python快速上手1.1.Python简介Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。Python 的设计具有很强的可读性,相比其他语言经常使用英文关键字,其他语言的一些标点符号,它具有比其他语言更有特色语法结构。Python是一种解释型语言: 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。 Python是交互式语...原创 2019-08-07 14:45:35 · 370 阅读 · 0 评论 -
机器学习之knn分类算及应用
1. KNN分类算法原理1.1 概述K最近邻(k-Nearest Neighbor,KNN)分类算法是最简单的机器学习算法。KNN算法的指导思想是“近朱者赤,近墨者黑”,由你的邻居来推断出你的类别。本质上,KNN算法就是用距离来衡量样本之间的相似度1.2 算法图示从训练集中找到和新数据最接近的k条记录,然后根据多数类来决定新数据类别。 算法涉及3个主要因素:训练数据集...原创 2019-08-07 14:53:06 · 1532 阅读 · 1 评论 -
机器学习之贝叶斯算法及应用
1. 朴素贝叶斯分类算法原理1.1 概述贝叶斯分类算法是一大类分类算法的总称贝叶斯分类算法以样本可能属于某类的概率来作为分类依据朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种注:朴素的意思是条件概率独立性1.2 算法思想朴素贝叶斯的思想是这样的:如果一个事物在一些属性条件发生的情况下,事物属于A的概率>属于B的概率,则判定事物属于A通俗来说比...原创 2019-08-07 14:56:39 · 1794 阅读 · 0 评论 -
机器学习之kmeans聚类算法及应用
1. Kmeans聚类算法原理1.1 概述K-means算法是集简单和经典于一身的基于距离的聚类算法采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大。该算法认为类簇是由距离靠近的对象组成的,因此把得到紧凑且独立的簇作为最终目标。1.2 算法图示假设我们的n个样本点分布在图中所示的二维空间。从数据点的大致形状可以看出它们大致聚为三个clu...原创 2019-08-08 11:12:15 · 4563 阅读 · 1 评论 -
机器学习之协同过滤推荐算法及应用
1. CF协同过滤推荐算法原理1.1 概述什么是协同过滤 (Collaborative Filtering, 简称 CF)?首先想一个简单的问题,如果你现在想看个电影,但你不知道具体看哪部,你会怎么做?大部分的人会问问周围的朋友,看看最近有什么好看的电影推荐,而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。协同过滤算法又分为基于用户的协同过滤...原创 2019-08-08 11:12:05 · 1904 阅读 · 0 评论 -
机器学习之决策树算法应用以及分类
1. 决策树分类算法原理1.1 概述决策树(decision tree)——是一种被广泛使用的分类算法。相比贝叶斯算法,决策树的优势在于构造过程不需要任何领域知识或参数设置在实际应用中,对于探测式的知识发现,决策树更加适用1.2 算法思想通俗来说,决策树分类的思想类似于找对象。现想象一个女孩的母亲要给这个女孩介绍男朋友,于是有了下面的对话:...原创 2019-08-08 11:11:52 · 2817 阅读 · 0 评论 -
机器学习之lineage回归分类算法及应用
1. Lineage逻辑回归分类算法1.1 概述Lineage逻辑回归是一种简单而又效果不错的分类算法什么是回归:比如说我们有两类数据,各有50十个点组成,当我门把这些点画出来,会有一条线区分这两组数据,我们拟合出这个曲线(因为很有可能是非线性),就是回归。我们通过大量的数据找出这条线,并拟合出这条线的表达式,再有新数据,我们就以这条线为区分来实现分类。下图是一个数据集...原创 2019-08-08 11:11:28 · 330 阅读 · 0 评论