- 博客(100)
- 收藏
- 关注
RSS订阅原创 python3版本降级
环境：MacOS 11.1说明：已经安装了python3.9但是在安装pip 安装python airtest第三方库，报error:No matching distribution found for opencv-contrib-python<=3.4.2.17 (from airtest)经过排查，发现该库目前不支持python3.8，所以现在将python3.9降级为3.6目标：mac有自带的python2,在降级python3的同时，不希望系统自带的python2受到
2022-01-13 21:27:19
6022
原创 Python 中的决策树
决策树是用于分类和回归任务的监督学习算法，我们将在决策树教程的第一部分集中讨论分类。决策树被分配给基于信息的学习算法，这些算法使用不同的信息增益度量进行学习。我们可以将决策树用于我们有连续但也有分类输入和目标特征的问题。决策树的主要思想是找到那些包含关于目标特征的最多“信息”的描述性特征，然后沿着这些特征的值分割数据集，使得生成的 sub_datasets 的目标特征值尽可能纯 - -> 最纯粹地留下目标特征的描述性特征被认为是信息量最大的特征。这个寻找“信息量最大”特征的过程一直完成，直到我们..
2022-01-13 21:27:03
6317
1
原创 如果 __name__ == ‘__main__‘: 在 Python 中做什么？
是什么if __name__ = '__main__'意思？您有时可以在Python脚本中看到这一点，通常这是您的 Python 程序开始的地方。在许多其他语言中，计算机程序以 main() 函数开始。在 Python 中也是如此。主要价值让我们做一个快速练习，以掌握 main 函数和if 语句的细节。<span style="color:var(--syntax-text-color)"><span style="color:var(--syntax-text-c
2022-01-13 21:26:01
305
原创 使用 uWSGI 和 Nginx 部署 Flask 应用程序
自从我第一次浪漫地接触 Python 已经过去了大约十年。这部特别的浪漫喜剧不知何故完全错过了“一见钟情”的比喻——我发现学习 Python 的过程令人愤怒。我担心的不是语言本身，而是地球上每个活着的软件开发人员。从我的角度来看，“软件”中的人似乎只有两种原型，两者都不是特别可口。光谱的一端被我的新手占据，他们似乎很高兴地被限制在可爱的 REPL 环境中编程，无论哪个训练营为他们提供了阻止他们提问的蓝色药丸。在光谱的另一端是其他人：有能力的工程师在我眼中也可能是天才。我知道这些人有知识回答我能...
2022-01-13 21:25:16
1648
原创 Python中字符串格式化的剖析
Python 是一种现代脚本语言，因此它为我们提供了灵活且可读的编码。因此，我们可以用多种不同的方式来做一件事。这就是为什么到目前为止我们甚至有 4 种主要的方法来格式化字符串：“经典风格”字符串格式 “现代风格”字符串格式 “最新风格”字符串格式 “标准样式”字符串格式在这篇文章中，我们将介绍每种字符串格式的样式，为每种样式做一个示例，并了解它是如何工作的。在这篇文章的最后，我们很好地理解了 Python 中字符串格式化方法的所有内容。希望它能够在您的下一个 Python 项目中...
2022-01-13 21:24:26
321
原创 用于 Web 开发的 5 大 Python 框架
Python是一种很棒的编程语言，通常用于创建 Web 应用程序。它是当今使用的更流行的开源语言之一，并且继续成为全世界开发人员的最爱。有许多 Python 框架可让您以最少的编码快速创建应用程序，这使其成为那些希望创建 Web 应用程序的人最流行的选择之一。Python 的一个优点是 Web 应用程序非常易于部署烧瓶Flask旨在快速入门，并在开发时考虑到了最佳意图。考虑到这一点，这里有一些值得注意的事情：Flask 信奉最佳实践的理念，这意味着我们不会将自己限制在仅基于历史或个人偏好
2022-01-13 21:23:30
829
原创 用 Python 解决“鸡生蛋”问题
你好！对 Python 来说，没有什么比鸡肉和鸡蛋更美味了。所以今天我们的 Python 决定解决一个古老的哲学问题：什么是第一个，先有鸡还是先有蛋。为了做到这一点，它决定创建两个类，然后执行一些建模来最终回答这个问题。好的，让我们开始吧。我们的 Python 是所有 Python 中的老大，它的序列号是 2.7。首先，它创建了 3 个文件：<span style="color:var(--syntax-text-color)"><span style="color:var
2022-01-13 21:22:51
449
原创 Python分配函数和内存地址
大家好，最近怎么样了？我将向你们展示我们如何在Python中将函数分配给变量。我将向您展示如何将函数分配给变量。现在假设我们有一个名为 hello 的函数，我们要做的就是打印单词 hello。您知道要调用此函数，您将键入函数的名称，后跟一组括号。<span style="color:var(--syntax-text-color)"><span style="color:var(--syntax-text-color)"><code>hello()..
2022-01-13 21:21:56
792
原创 如何在 Python 中构建跨平台桌面应用程序
如何在 Python 中构建跨平台桌面应用程序开发桌面 GUI 应用程序曾经是一个乏味、容易出错且缓慢的过程。当然，Python 在整体上极大地简化了应用程序开发，但在 GUI 领域，仍然没有真正的替代品可以替代 GTK 或 Qt 等跨平台框架。如果您是 PyQt 的新手，我建议您参加这门课程：使用 Python PyQt5 创建桌面应用程序使用 GUI 模块PyQt库是 Trolltech 的 Qt 框架的 Python 绑定。它提供了一组丰富的 Python 类，允许程序员轻...
2022-01-13 21:21:13
2261
原创 使用 Docker 创建 Python AWS Lambda 层
默认情况下，您的 AWS Lambda 函数仅包含核心 Python 功能。Lambda 层是一项很棒的功能，可让您向 Lambda 函数添加外部依赖项。在这篇文章中，我将向您介绍如何使用 Docker 创建自己的 Lambda 层库。什么是 Lambda 层？如果您不熟悉 Lambda 层，层是您可以在运行时包含在 Lambda 函数中的附加代码，用于将外部库合并到您的 Lambda 函数中。默认情况下，Lambda 函数仅包含核心 Python 库。层是您将其他外部库包含到您的 L...
2022-01-13 21:20:01
426
原创 Python数据分析学习路径图：堪称史上最全
Python是一种面向对象、直译式计算机程序设计语言，由Guido van Rossum于1989年底发明。由于他简单、易学、免费开源、可移植性、可扩展性等特点，Python又被称之为胶水语言。下图为主要程序语言近年来的流行趋势，Python受欢迎程度扶摇直上。图片来源用Python玩转数据由于Python拥有非常丰富的库，使其在数据分析领域也有广泛的应用。由于Python本身有十分广泛的应用，本期Python数据分析路线图主要从数据分析从业人员的角度讲述Python数据分析路线图。整个路线图计划分
2022-01-05 21:46:33
547
原创 python爬虫---requests库的用法
requests是python实现的简单易用的HTTP库，使用起来比urllib简洁很多因为是第三方库，所以使用前需要cmd安装找到python安装路径中的Scripts的路径C:\Users\Administrator\AppData\Local\Programs\Python\Python38-32\Scriptscmd：cd C:\Users\Administrator\AppData\Local\Programs\Python\Python38-32\Scripts接着输入.
2022-01-05 21:44:42
252
原创 程序员行业有哪些越早知道越好的道理？
1 尽早去大厂，或者是好点的平台。在一些大厂，三年买车，5年买房绝不是空谈。如果呆在小公司，除了搞增删改查和人际关系，没有出路。 2 大多数（超过8成）的程序员，在30岁时还在做增删改查的业务。对这些人来说，35岁或者40岁，绝对是个槛。所以30岁如果还在小公司做程序员，那么一定得在32岁的时候找个大厂，或者是能养老的平台。 3 你用半年或者更短时间掌握的技能，别人也能，所以这类技能（主要是增删改查）不值钱。哪些技能值钱？资深开发，架构师，算法工程师，项目经理这些人干的，但普通程序...
2022-01-05 21:38:48
150
原创 程序员的5个级别，看看你到几级？
程序员这个“物种”自诞生以来，便有了森严的等级制度，划分标准十分复杂却又有规律可循。经常在网上的论坛里看到大家讨论程序员的级别，由于级别不同，薪水也是有着天壤之别。“码农”和“程序员”虽说是调侃，但实质上还是有差别之处的。下面就来说说程序员常规的5种等级。5. 菜鸟这一级别属于地板层，迈进这层的门槛相对较低。基本上懂计算机的基本操作，了解计算机专业的一些基础知识，掌握一门基本的编程语言如Java，或者python，或者JavaScript...均可入门迈进这层。技术比较渣的“菜鸟”往往给
2022-01-05 21:34:43
2356
原创 灵魂画手的零基础python教程1：关于Python学习的误区、python的优缺点、前景
滴~ 近段时间，因为工作项目的原因，阿菌要重拾起python这门语言了，所以顺势写一门python教程，精心的编排，配上漫画和视频，希望能帮助更多想接触编程的同学入门，课程将从基础语法开始讲起，和大家分享规范实用的编程技巧，一点点建立起编程的思维。最后希望大家能通过python这门技能，更好地提升自己的工作和学习效率。郑重声明：阿菌往后的所有教程，不管是实用的还是不实用的，都是免费滴~如果哪天哪门教程恰好对各位同学有帮助，通过文末那排按钮给阿菌一点点鼓励就好啦，当然来评论区对线就更欢迎啦。阿菌只
2022-01-05 21:32:53
92
原创 Python和Java哪个编程语言更好学一些？
有很多想要学习编程语言的学员，会纠结Python和Java两者应该学什么？Python编程语言和Java编程语言还是有区别的，可以根据自己的需求进行学习。首先在选择学习Java还是Python之前，得先弄明白自己学习编程语言的目的是什么，因为Python编程语言和Java编程语言的入门学习难度是不一样的，Java是一门资深的编程语言，而且Java的普及率还是很高的，Java有着丰富的第三方库和最大的市场需求。从Web开发、网络开发和App的开发到云计算应用，就可以采用Java编程语言来...
2022-01-05 21:31:25
942
原创 全球 10 大受欢迎的顶级编程语言与薪资水平
英文原文链接|https://codeburst.io/10-top-programming-languages-in-2019-for-developers-a2921798d652翻译|杨小二。今天的这篇文章内容可以作为你在选择学习何种语言时候的一个参考数据，但是不能作为唯一依据，学习编程这种东西，除了企业需要外，自己兴趣也很重要，需要两者结合一起来看，这样才能让你的知识技能有用武之地。硬件和软件技术的进步是推动整个互联网技术进步的主要因素。顶尖的编程语言是现代技术与新兴技术的核心组成部分。..
2022-01-05 21:24:41
1999
原创 最受欢迎的 10 本编程书籍（文末附地址）
一般来说，学习的过程发生并终结在购买这一步，而后再未捡起。推特上一位名为 Pierre de Wulf 的网友突发奇想，有史以来最受欢迎的编程书籍到底是哪些？为了找到程序员们最为推崇的那些编程书籍，他使用 Python 编写了脚本，拉取了大量的相关数据，最终得出了这10本经久不衰的技术好书。以下是推荐结果。程序员修炼之道：从小工到专家作者：David Thomas & Andrew Hunt，67% 推荐度《程序员修炼之道》由一系列的独立部分组成，涵盖的主题从个人责任、职业发.
2022-01-05 21:23:11
5233
原创 Python 最强 IDE 详细使用指南
作者 |Jahongir Rahmonov来源 |机器之心机器之心编译，参与：魔王PyCharm 是一种 Python IDE，可以帮助程序员节约时间，提高生产效率。那么具体如何使用呢？本文从 PyCharm 安装到插件、外部工具、专业版功能等进行了一一介绍，希望能够帮助到大家。之前也没系统地介绍过 PyCharm，怎样配置环境、怎样 DeBug、怎样同步 GitHub 等等可能都是通过经验或者摸索学会的。在本文中，我们并不会提供非常完善的指南，但是会介绍 PyCharm 最主要的一些能..
2022-01-05 21:21:39
1167
原创 Python 中的回归树
在上一章关于分类决策树的章节中，我们介绍了决策树模型的基本概念，如何使用 Python 从头开始构建它们，以及使用预先打包的 sklearn DecisionTreeClassifier 方法。我们还介绍了决策树模型的优缺点以及重要的扩展和变体。分类决策树的一个缺点是它们需要一个分类缩放的目标特征，例如天气 = {晴天、雨天、阴天、雷雨}。这里出现了一个问题：例如，如果我们希望我们的树根据房间数量和位置等一些目标特征属性来预测房屋的价格，该怎么办？这里目标特征（奖品）的值不再按类别缩放，而是连续..
2022-01-04 22:28:49
1421
原创 Python 中的随机森林
什么是随机森林众所周知，树模型是高方差、低偏差的模型。因此，它们容易过度拟合训练数据。如果我们不修剪树模型或引入早期停止标准（例如每个叶节点的最小实例数），我们可以概括一下树模型的作用，这很吸引人。好吧，它尝试沿着特征拆分数据，直到实例对于目标特征的值来说是纯的，没有剩下的数据，或者没有剩下的特征可以吐出数据集。如果上述之一成立，我们就会生长一个叶节点。结果是树模型增长到最大深度，并因此尝试尽可能精确地重塑训练数据，这很容易导致过度拟合。像（ID3 或 CART）这样的经典树模型的另一个缺点是它们相
2022-01-04 22:27:39
6902
1
原创 Python 中的 Dropout 神经网络
介绍术语“丢弃”用于丢弃网络的某些节点的技术。退出可以被视为暂时停用或忽略网络的神经元。该技术应用于训练阶段以减少过拟合效应。过拟合是一种错误，当网络与有限的输入样本集过于接近时会发生这种错误。dropout 神经网络背后的基本思想是 dropout 节点，以便网络可以专注于其他特征。像这样想。你看了很多你最喜欢的演员的电影。在某些时候你会听广播，这里有人在接受采访。你不认识你最喜欢的演员，因为你只看过电影，而且你是视觉型的。现在，想象一下你只能听电影的音轨。在这种情况下，您必须学会区分女.
2022-01-04 22:24:02
2858
1
原创 python常用表达式
本章 Python 教程的目的是对正则表达式进行详细的描述性介绍。本介绍将解释正则表达式的理论方面，并将向您展示如何在 Python 脚本中使用它们。术语“正则表达式”，有时也称为 regex 或 regexp，起源于理论计算机科学。在理论计算机科学中，它们用于定义具有某些特征的语族，即所谓的正则语言。每个正则表达式都存在一个接受由正则表达式定义的语言的有限状态机 (FSM)。您可以在我们的网站上找到用 Python实现的有限状态机。正则表达式在编程语言中用于过滤文本或文本字符串。可以检查文本或..
2022-01-04 22:23:41
7567
原创 使用 Pytest 进行测试
介绍pytest可用于所有类型和级别的软件测试。许多项目——包括 Mozilla 和 Dropbox——从 unittest 或nose 切换到 pytest。使用 Pytest 的简单第一个示例pytest 用于测试的测试文件必须以 test_ 开头或以 _test.py 结尾 我们将通过为文件 fibonacci.py 编写测试文件 test_fibonacci.py 来演示工作方式。两个文件都在一个目录中：第一个文件是应该测试的文件。我们假设它被保存为 fibonacci_p.py
2022-01-04 22:21:34
1294
原创 测试、文档测试、单元测试
错误和测试通常，程序员和程序开发人员花费大量时间进行调试和测试。很难给出准确的百分比，因为这在很大程度上取决于其他因素，例如个人编程风格、要解决的问题，当然还取决于程序员的资质。毫无疑问，编程语言是另一个重要因素。正如古罗马人所知道的那样，您不必编写程序就会被错误所困扰。哲学家西塞罗在 2000 多年前创造了一个令人难忘的格言，经常被引用：“errare humanum est”* 这句格言经常被用作失败的借口。尽管几乎不可能完全消除软件产品中的所有错误，但我们应该始终为此雄心勃勃地工作，即将错
2022-01-04 22:16:43
398
原创 Python 中的柯里化
大概的概念在数学和计算机科学中，柯里化是一种分解函数求值的技术，该函数采用多个参数来求值一系列单参数函数。柯里化也用于理论计算机科学，因为将多参数模型转换为单参数模型通常更容易。函数的组成我们定义两个函数 f 和 g 的组合 hH(X)=G(F(X))在以下 Python 示例中。两个函数的组合是一个链接过程，其中内部函数的输出变成外部函数的输入。def compose ( g , f ): def h ( x ): return g
2022-01-04 22:14:34
1231
原创 【python】列表理解
介绍我们在前一章“Lambda 运算符、过滤器、Reduce 和 Map”中了解到，Guido van Rossum 更喜欢列表推导式，而不是使用 map、filter、reduce 和 lambda 的构造。在本章中，我们将介绍有关列表推导式的基本知识。列表推导式是在 Python 2.0 中添加的。本质上，它是 Python 实现数学家使用的众所周知的集合符号的方式。例如，在数学中，自然数的平方数是由 { x2 | 创建的。x ∈ ℕ } 或复整数集合 { (x,y) |x ∈ ℤ ∧ y.
2022-01-04 22:13:37
595
原创 【python】记忆和装饰器
记忆的定义“memoization”一词是由 Donald Michie 在 1968 年提出的。它基于拉丁词备忘录，意思是“被记住”。这不是记忆这个词的拼写错误，尽管在某种程度上它有一些共同点。记忆化是一种用于计算以加速程序的技术。这是通过记住处理输入的计算结果（例如函数调用的结果）来实现的。如果使用相同的输入或具有相同参数的函数调用，则可以再次使用先前存储的结果并且避免不必要的计算。在许多情况下，一个简单的数组用于存储结果，但也可以使用许多其他结构，例如关联数组，在 Perl 中称为哈希或在 P
2022-01-04 22:12:00
285
原创 【python】装饰器与装饰
介绍装饰器很可能属于 Python 中最漂亮和最强大的设计可能性，但同时，许多人认为这个概念很复杂。准确地说，装饰器的使用非常简单，但是编写装饰器可能会很复杂，尤其是如果您对装饰器和一些函数式编程概念没有经验的话。尽管它是相同的底层概念，但我们在 Python 中有两种不同的装饰器：函数装饰器 类装饰器Python 中的装饰器是用于修改函数或类的任何可调用 Python 对象。对函数“func”或类“C”的引用传递给装饰器，装饰器返回修改后的函数或类。修改后的函数或类通常包含对原始函数“
2022-01-04 22:10:34
179
原创 机器学习中的混淆矩阵
在我们的机器学习教程（前面的章节Python和NumPy的神经网络和神经网络从头开始），我们实现的各种算法，但是我们没有正确地测量输出的质量。主要原因是我们使用非常简单的小数据集来学习和测试。在Neural Network: Testing with MNIST一章中，我们将使用大型数据集和 10 个类，因此我们需要适当的评估工具。本章我们将介绍混淆矩阵的概念：甲混淆矩阵是可用于测量机器学习算法的性能的矩阵（表），通常是一个监督学习一个。混淆矩阵的每一行代表一个实际类的实例，每一列代表一个预测类的实..
2021-12-31 23:45:56
2616
原创 用 Python 训练神经网络
介绍在“运行神经网络”一章中，我们用 Python 代码编写了一个名为“神经网络”的类。此类的实例是具有三层的网络。当我们实例化此类的 ANN 时，层之间的权重矩阵是自动随机选择的。甚至可以在某些输入上运行这样的 ANN，但自然而然地，除了用于测试目的之外，它没有多大意义。这样的人工神经网络不能提供正确的分类结果。事实上，分类结果并没有适应预期的结果。权重矩阵的值必须根据分类任务进行设置。我们需要改进权重值，这意味着我们必须训练我们的网络。为了训练它，我们必须在train方法。如果您不了解反向传播并
2021-12-31 23:45:17
2157
1
原创 神经网络中的反向传播
介绍我们在 Python 神经网络教程的前几章中已经写过。我们运行神经网络一章中的网络缺乏学习能力。它们只能以随机设置的权重值运行。所以我们不能用它们解决任何分类问题。然而，在简单神经网络一章中的网络是能够学习的，但我们只将线性网络用于线性可分的类。当然，我们想写通用的人工神经网络，能够学习。为此，我们必须了解反向传播。反向传播是训练人工神经网络，尤其是深度神经网络的常用方法。需要反向传播来计算梯度，我们需要调整权重矩阵的权重。我们网络的神经元（节点）的权重是通过计算损失函数的梯度来调整的。为此
2021-12-31 23:44:28
2003
原创 用 Python 运行神经网络
一个神经网络类我们在神经网络教程的前一章中学到了关于权重的最重要的事实。我们看到了它们的使用方式以及如何在 Python 中实现它们。我们看到，通过应用矩阵乘法，可以使用 Numpy 中的数组完成权重与输入值的乘法。然而，我们没有做的是在真实的神经网络环境中测试它们。我们必须先创造这个环境。我们现在将在 Python 中创建一个类，实现一个神经网络。我们将分步进行，以便一切都易于理解。我们班级需要的最基本的方法是：__init__初始化一个类，即我们将设置每一层的神经元数量并初始化权重.
2021-12-31 23:43:37
1064
原创 神经网络、结构、权重和矩阵
介绍我们在机器学习教程的前一章中介绍了有关神经网络的基本思想。我们已经指出了生物学中神经元和神经网络之间的相似性。我们还引入了非常小的人工神经网络，并引入了决策边界和 XOR 问题。在我们到目前为止介绍的简单示例中，我们看到权重是神经网络的基本部分。在开始编写具有多层的神经网络之前，我们需要仔细查看权重。我们必须了解如何初始化权重以及如何有效地将权重与输入值相乘。在接下来的章节中，我们将用 Python 设计一个神经网络，它由三层组成，即输入层、隐藏层和输出层。您可以在下图中看到这种
2021-12-31 23:42:57
7068
1
原创 从零开始用 Python 构建一个简单的神经网络
线性可分数据集正如我们在机器学习教程的前一章中所展示的，仅由一个感知器组成的神经网络足以分离我们的示例类。当然，我们精心设计了这些类以使其工作。有许多类集群，对于它们不起作用。我们将查看其他一些示例，并将讨论无法分离类的情况。我们的类是线性可分的。线性可分性在欧几里得几何中有意义。两组点（或类）称为线性可分的，如果平面中至少存在一条直线，使得一类的所有点都在直线的一侧，而另一类的所有点都在另一侧边。更正式的：如果两个数据簇（类）可以通过线性方程形式的决策边界分开∑一世=1nX一世⋅瓦
2021-12-31 23:42:15
5721
7
原创 神经网络介绍
介绍当我们说“神经网络”时，我们指的是人工神经网络 (ANN)。人工神经网络的思想是基于生物神经网络，如生物的大脑。神经网络的基本结构——人工的和活的——是神经元。生物学中的神经元由三个主要部分组成：胞体（细胞体）、树突和轴突。胞体的树突以树状方式分出，并随着每个分枝而变细。它们在突触处接收来自其他神经元的信号（脉冲）。轴突 - 总是只有一个 - 也离开体细胞，通常比树突延伸更长的距离。轴突用于将神经元的输出发送到其他神经元，或者更好地发送到其他神经元的突触。生物神经元下图由Quas
2021-12-31 23:41:38
340
原创 k-Nearest-Neighbor Classifier with sklearn
介绍K-Nearest-Neighbor 分类器 (kNN) 的基本概念可以在我们机器学习教程的k-Nearest-Neighbor Classifier一章中找到。在本章中，我们还展示了用 Python 编写的简单函数来演示基本原理。尽管这些函数显示出令人印象深刻的结果，但我们建议不要使用这些函数，而是建议使用该sklearn模块的功能。我们sklearn在前面的章节中已经使用过。将 sklearn 用于 kNN邻居是sklearn模块的一个包，它为最近邻分类器提供了无监督和监督学习的
2021-12-31 23:40:41
195
原创 Python 中的 k-最近邻分类器
k-最近邻分类器“让我看看你的朋友是谁，我就告诉你你是谁？”k-最近邻分类器的概念再简单不过了。这是一句古老的谚语，可以在多种语言和多种文化中找到。圣经中也有这样的说法：“与智慧人同行的，必得智慧；与愚昧人同行的，必受害”（箴言13:20）这意味着 k-最近邻分类器的概念是我们日常生活和判断的一部分：想象一下，你遇到了一群人，他们都很年轻、时尚且喜欢运动。他们谈论着不在他们身边的朋友本。那么，你对本的想象是什么？是的，你把他想象成年轻、时尚和爱运动的人。如果你知道 Ben 住在一个人们投
2021-12-31 23:39:15
1210
原创 通过拆分学习和测试数据来训练和测试集
学习、测试和评估数据您已准备好数据并渴望开始训练分类器？但要小心：当你的分类器完成时，你需要一些测试数据来评估你的分类器。如果您使用用于学习的数据评估分类器，您可能会看到非常好的结果。我们真正想要测试的是对未知数据进行分类的性能。为此，我们需要将数据分成两部分：学习算法用来适应或学习模型的训练集 用于评估模型泛化性能的测试集当您考虑机器学习的正常工作方式时，将学习数据和测试数据分开的想法是有道理的。真正现有的系统对现有数据进行训练，如果有其他新数据（来自客户、传感器或其他来源）进来，经过
2021-12-31 23:38:04
1127
原创 Python 面向对象
Python 面向对象Python从设计之初就已经是一门面向对象的语言，正因为如此，在Python中创建一个类和对象是很容易的。本章节我们将详细介绍Python的面向对象编程。如果你以前没有接触过面向对象的编程语言，那你可能需要先了解一些面向对象语言的一些基本特征，在头脑里头形成一个基本的面向对象的概念，这样有助于你更容易的学习Python的面向对象编程。接下来我们先来简单的了解下面向对象的一些基本特征。面向对象技术简介类(Class): 用来描述具有相同的属性和方法的对象的集合。它定义了该
2021-12-29 23:41:10
63
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人