- 博客(180)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Python3.5基础——面向对象与继承
1、面向对象的学习框架2、对象的基本概念3、类的基本概念4、类的定义与调用——简单代码举例注：建议类名的开头字母用大写#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiu#类class Person: i = 10 #属性（变量） def e
2017-10-02 18:40:08
604
原创 Python3.5基础——函数的定义与使用
1、函数学习框架2、函数的定义与格式（1）定义注：函数名称不能以数字开头，建议函数名称的开头用小写的字母（2）函数有四种格式，分别是：无参数无返回值，有参数无返回值、无参数有返回值、有参数有返回值#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiu# 无参数无返回值def h
2017-10-02 10:08:53
5272
原创 Python3.5基础——变量、数据结构、条件和循环语句、break与continue语句
1、变量：即一个容器概念Python中的变量时一个弱类型，不需要声明，可以直接使用。通过变量设置的值，编译器根据这个值确定变量的类型。2、运算符#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiuprint(2**3) #幂指数print(5%3) #取模print(10
2017-10-01 09:41:18
617
原创 Python3.5——内置模块详解之shelve模块、xml模块、configparser模块、hashlib、hmac模块
1、shelve模块shelve类似于一个key-value数据库，可以很方便的用来保存Python的内存对象，其内部使用pickle来序列化数据，简单来说，使用者可以将一个列表、字典、或者用户自定义的类实例保存到shelve中，下次需要用的时候直接取出来，就是一个Python内存对象，不需要像传统数据库一样，先取出数据，然后用这些数据重新构造一遍所需要的对象。#!/usr/bin
2017-09-29 17:42:05
451
转载 视觉直观感受 7 种常用的排序算法
1. 快速排序介绍：快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他Ο(n log n) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来，且在大部分真实世界的数据，可以决定设计的选择，减少所需时
2017-09-29 15:05:56
220
转载 八大排序算法
概述排序有内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。我们这里说说八大排序就是内部排序。 当n较大，则应采用时间复杂度为O(nlog2n)的排序方法：快速排序、堆排序或归并排序序。 快速排序：是目前基于比较的内部排序中被认为是最好的方法，当待排序的关键字
2017-09-29 15:03:09
262
转载 贪心算法详解
有人说贪心算法是最简单的算法，原因很简单：你我其实都很贪，根本不用学就知道怎么贪。有人说贪心算法是最复杂的算法，原因也很简单：这世上会贪的人太多了，那轮到你我的份？ 贪心算法详解 贪心算法思想：顾
2017-09-29 11:04:32
437
原创 Python3.5——内置模块详解之random模块
1、random模块基础的方法#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiuimport randomprint(random.random()) #随机产生[0,1)之间的浮点值print(random.randint(1,6)) #随机生成指定范围[a,b]的整数
2017-09-28 20:21:00
4349
1
原创 Python3.5——内置模块详解之time与datetime模块
1、模块的分类a、标准库（Python自带）：sys、os模块b、开源模块（第三方模块）c、自定义模块2、内建模块——time和datatime在Python中通常用以下几种方式来表示时间：a、时间戳：从1970年1月1日开始到当下的时间的秒数，导入time模块（import time），调用time.time()方法即可。b、格式化的时间字符串。c、元组（stru
2017-09-28 14:42:36
1608
原创 Python3.5——模块定义、导入、优化详解
1、模块体系大纲2、模块的定义本质：是一个.py格式的Python文件。文件名test.py，对应的模块名为：test。用来从逻辑上组织Python代码（变量、函数、类、逻辑），实现一个功能。3、模块的导入方法举例：
2017-09-26 17:07:01
665
原创 Python3.5——软件目录结构规范
1、"设计项目目录结构"的原因：（1）可读性高: 不熟悉这个项目的代码的人，一眼就能看懂目录结构，知道程序启动脚本是哪个，测试目录在哪儿，配置文件在哪儿等等。从而非常快速的了解这个项目。（2）可维护性高: 定义好组织规则后，维护者就能很明确地知道，新增的哪个文件和代码应该放在什么目录之下。这个好处是，随着时间的推移，代码/配置的规模增加，项目结构不会混乱，仍然能够组织良好。2、
2017-09-26 11:25:59
6732
原创 Python3.5——Json与pickle数据序列化
1、Json：不同语言之间进行数据交互。（1）JSON数据序列化：dumps()JSON数据是一种轻量级的数据交换格式，序列化：将内存数据对象变成字符串。#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiuimport jsoninfo = { "name":"liu", "age"
2017-09-26 09:56:21
535
原创 Python3.5——内置方法参数详解
Python的内置方法参数详解网站为：https://docs.python.org/3/library/functions.html?highlight=built#ascii1、abs(x)：返回一个数字的绝对值。参数可以是整数或浮点数。如果参数是一个复数，则返回它的大小。#内置函数abs()print(abs(-2))print(abs(4.5))print(abs(0.1+7
2017-09-25 17:11:11
1004
原创 Python3.5——迭代器与生成器（下）
1、迭代器我们已经知道，可以直接作用于for循环的数据类型有以下几种：一类是集合数据类型，如列表list、元组tuple、字典dict、集合set、字符串str等；另一类是generator，包括生成器和带yield的generator function。这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。可以使用isinstance()判断一个对象是否是Iterab
2017-09-23 22:23:22
451
原创 Python3.5——迭代器与生成器（上）
1、列表生成式通过列表生成式可以直接创建一个列表。代码：a = [i*2 for i in range(10)]#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiu#列表生成式a = [i*2 for i in range(10)]print(a)#运行结果：#[0, 2, 4, 6, 8, 1
2017-09-23 19:56:20
407
原创 机器学习——非监督学习——层次聚类（Hierarchical clustering）
1、层次聚类（Hierarchical clustering）的步骤假设有N个待聚类的样本，对于层次聚类来说，其步骤为：（1）初始化：把每个样本各自归为一类（每个样本自成一类），计算每两个类之间的距离，在这里也就是样本与样本之间的相似度（本质还是计算类与类之间的距离）。（2）寻找各个类之间最近的两个类，把它们归为一类（这样，类的总数就减少了一个）（3）重新计算新生成的这个类与各个旧
2017-09-21 21:35:11
15844
1
原创 机器学习——聚类（clustering）：K-means算法（非监督学习）
1、归类聚类（clustering）：属于非监督学习（unsupervised learning）,是无类别标记（class label）2、举例3、K-means算法（1）K-means算法是聚类（clustering）中的经典算法，数据挖掘的十大经典算法之一（2）算法接收参数K，然后将事先输入的n个数据划分为K个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较
2017-09-21 15:38:28
9744
原创 机器学习——回归中的相关度与R平方值及其应用
1、皮尔逊相关系数（Pearson Correlation Coeffident）（1）衡量两个值线性相关的强度（2）取值范围[-1,1]：正向相关>0；负向相关（3）公式：
2017-09-20 17:20:48
9247
原创 机器学习——非线性回归（ Logistic Regression）及应用
1、概率（1）定义：概率（Probability）：对一件事情发生的可能性的衡量。（2）取值范围：0（3）计算方法：根据个人置信、根据历史数据、根据模拟数据（4）条件概率：在事件B已经发生的情况下，事件A发生的概率等于事件A、B同时发生的概率除以B事件发生的概率。2、逻辑回归（Logistic Regression）（1）例子：h（x）>0.5（恶性），Ma
2017-09-18 22:03:28
21627
1
原创 机器学习——BP神经网络算法应用（下）
1、BP神经网络算法应用——简单非线性数据集测试（异或：XOR）将BP神经网络算法应用（上）写好的NeuralNetwork.py文件与要测试的文件XOC_test.py文件放到同一目录下，并在XOC_test.py文件里面包含NeuralNetwork模块代码如下：#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:
2017-09-18 16:08:12
2583
原创 机器学习——BP神经网络算法应用（上）
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）双曲函数（tanh function）（2）逻辑函数（logistic function）sigmoid函数是一个S型函数，其数学公式为：，它是常微分方程
2017-09-17 17:04:44
2379
原创 机器学习——多元线性回归分析（multiple regression）及应用
1、多元回归分析与简单线性回归区别多个自变量x2、多元回归模型，其中，是参数，是误差值3、多元回归方程4、估计多元回归方程，一个样本被用来计算的点估计5、估计流程（与简单线性回归类似）6、估计方法使sum of squares最小，，运算与简单线性回归类似，涉及线性代数和矩阵代数的运算7、举例一家快递公司送货，X1：运输里程；X2：运输次数；
2017-09-16 21:03:09
23603
2
原创 机器学习——简单线性回归（下）
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汽车数量：（1）对于上面示例中给定的点，如何连出适合简单线性回归模型的最佳线性回归线？将上述实例中的5个点在坐标系中绘出，目的：找到一个方程可以模拟出最好的回归线；最好的回归线是最能够体现实例点的分布趋势的直线。量化是最好的回归线的数学方法是：，即：使得对于每个实例点的真实值与估计值只差的平方和最小的回归线。注：是给出的
2017-09-13 19:28:17
512
原创 机器学习——简单线性回归（上）
1、前提介绍为什么需要统计量？——统计量：描述数据特征（1）集中趋势衡量a：均值（平均数、平均值）（mean），公式如下：举例：{6,2,9,1,2} 均值为：（6+2+9+1+2）/ 5 = 4b、中位数（median）：将数据中的各个值按照大小顺序排列，居于中间位置的变量。举例：{6,2,9,1,2}给上上面的数排序：1,2,2,6,9找出中间位置的数：
2017-09-13 19:23:18
907
原创 机器学习——BP神经网络算法
1、背景以人脑中的神经网络为启发，历史上出现过很多不同的版本，最著名的算法是1980年的backpropagation2、多层向前神经网络（Multilayer Feed-Forward Neural Network）backpropagation被使用在多层向前神经网络上，多层向前神经网络由一下几部分组成：输入层（input layer）、隐藏层（hidden layers）、输
2017-09-12 22:52:43
9625
原创 机器学习——最邻近规则分类（K Nearest Neighbor）KNN算法的应用
1、数据集介绍——虹膜（一种花的名字） 150个实例：包含4个维度的特征值：萼片长度（sepal length）、萼片宽度（sepal width）、花瓣长度（petal length）、花瓣宽度（petal width）3种类别：Iris setosa、Iris versicolor、Iris virginica总结：这个虹膜的数据集——Iris数据集有150行，每行有4个
2017-09-12 19:36:55
760
原创 机器学习——最邻近规则分类（K Nearest Neighbor）KNN算法
1、简介（1）Cover和Hart在1968年提出最初的临近算法（2）邻近算法属于分类（classification）算法（3）输入基于实例的学习（instance-based learing）,懒惰学习（lazy learing）——处理训练集时并没有建造任何的模型，当对一个未知的实例进行归类时才进行归类2、举例如何将电影的例子模拟成一个广泛的模型？对于每一个电影模拟
2017-09-12 16:36:47
12808
1
原创 机器学习——决策树算法的应用
对于买电脑的示例，在Python数据包sk-learn中利用决策树算法实现数据分类，并画出决策树的结构1、准备工作（1）安装Graphviz，并配置好环境变量，我的环境变量配置为：D:\Program Files\graphviz-2.38\release\bin，转化dot文件至pdf可视化决策树：dot _Tpdf inis.dot -o（2）将数据存储到文件后缀为.c
2017-09-12 11:10:15
1187
转载 Python 2.7.x 和 3.x 版本的重要区别
网址：http://www.techug.com/post/the-difference-of-python2-and-python3.html许多Python初学者都会问：我应该学习哪个版本的Python。对于这个问题，我的回答通常是“先选择一个最适合你的Python教程，教程中使用哪个版本的Python，你就用那个版本。等学得差不多了，再来研究不同版本之间的差别”。但如果想要用
2017-09-11 22:14:39
335
原创 机器学习——决策树算法
1、机器学习中分类和预测算法的评估（1）准确率（2）速度（算法复杂度）（3）强壮性（数据有噪音或关键值确实情况下的表现）（4）可规模性（5）可解释性2、决策树（decision tree）/判定树的定义决策树是一个类似流程框图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。决策树是机器学
2017-09-10 22:24:16
821
转载 Python的日志logging模块详解
简单将日志打印到屏幕：[python] view plain copyimport logging logging.debug('debug message') logging.info('info message') logging.warning('warning message') logging.error('erro
2017-09-10 11:28:41
439
原创 机器学习——支持向量机SVM（Support Vector Machine）（下）
1、SVM算法特征（1）训练好的模型的算法复杂度是由支持向量的个数决定的，而不是由数据的维度决定。所以，SVM不太容易产生overfitting。（2）SVM训练出来的模型完全依赖于支持向量（Support Vectors），即使训练集里面所有非支持向量的点都被去除，重复训练过程，结果仍然会得到完全一样的模型。（3）一个SVM如果训练得出的支持向量个数比较小，SVM训练出的模型比较容易
2017-09-09 12:38:15
1757
原创 Python3.5——装饰器及应用详解（下）
1、装饰器应用——模拟网站登录页面，访问需要认证登录页面#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiu#模拟网站，访问页面和部分需要登录的页面import timeruser,passwd = "liu","liu123"def auth(func): def wrapper(*arg
2017-09-07 21:06:25
501
原创 Python3.5——装饰器之案例剖析
#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiu#高阶函数+嵌套函数==>装饰器import timedef timer(func): #timer(test1)-->func=test1 def decor(): start_time = time.time()
2017-09-07 10:55:47
382
原创 Python3.5——装饰器及应用详解（上）
1、装饰器：（1）本质：装饰器的本质是函数，其基本语法都是用关键字def去定义的。（2）功能：装饰其他函数，即：为其他函数添加附加功能。（3）原则：不能修改被装饰的函数的源代码，不能修改被装饰的函数的调用方式。即：装饰器对待被修饰的函数是完全透明的。（4）简单应用：统计函数运行时间的装饰器import time#统计函数运行时间的砖装饰器def timmer(func):
2017-09-05 21:15:48
4056
原创 Python3.5——递归
1、递归的定义：在函数内部可以调用其他函数，如果在一个函数内部调用其本身，这个函数就是递归函数。2、递归的特性：（1）必须有一个明确的结束条件。（最大的递归层数：999层）（2）每次进入更深一层递归时，问题规模相比上次递归都应有所减少。（3）递归的效率不高，递归层数过多会导致栈溢出。（在计算机中，函数调用是通过栈这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧；每
2017-09-05 11:11:56
485
转载 内存堆和栈的区别
原文: http://student.csdn.net/link.php?url=http://www.top-e.org%2Fjiaoshi%2Fhtml%2F427.html在计算机领域，堆栈是一个不容忽视的概念，我们编写的C语言程序基本上都要用到。但对于很多的初学着来说，堆栈是一个很模糊的概念。堆栈：一种数据结构、一个在程序运行时用于存放的地方，这可能是很多初学者的认识，因为
2017-09-05 10:38:29
357
原创 Python3.5——局部变量与全局变量作用域
1、局部变量与全局变量定义：在子程序（函数）中定义的变量称为：局部变量；在程序顶级（一开始）定义的变量称为：全局变量。2、局部变量与全局变量作用域：局部变量作用域：定义该变量的子程序；全局变量作用域：整个程序。当局部变量与全局变量同名时，在定义局部变量的子程序内局部变量其作用；其他地方全局变量起作用。#!/usr/bin/env python# -*- coding:utf-
2017-09-05 10:09:25
7288
原创 Python3.5——函数式编程之参数详解
1、函数返回值（1）return命令执行效果：结束当前函数运行，后边再写别的内容也不会运行。返回值的接收直接赋值给一个变量，即：变量接收函数体中return定义返回值结果。#!/usr/bin/env python# -*- coding:utf-8 -*-# Author:ZhengzhengLiudef test1(): print("testing 1")
2017-09-03 22:28:54
562
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人