python
WANG_DDD
这个作者很懒,什么都没留下…
展开
-
python制作彩色字符画
利用python制作彩色的字符画 #-*- coding:utf-8 -*-import osfrom PIL import Image, ImageFont, ImageDrawimport argparse#命令行输入参数处理#parser = argparse.ArgumentParser()#parser.add_argument('file')#parser.a...原创 2018-09-05 14:16:07 · 3732 阅读 · 0 评论 -
WxPython实现无边框界面
wxPython是Python语言的一套优秀的GUI图形库。允许Python程序员很方便的创建完整的、功能键全的GUI用户界面。 wxPython是作为优秀的跨平台GUI库wxWidgets的Python封装和Python模块的方式提供给用户的。实现无边框界面代码如下:import wxclass Frame(wx.Frame): def __init__(s...原创 2019-03-07 10:20:47 · 3879 阅读 · 1 评论 -
WxPython实现按钮的监听和更改按钮背景颜色
wxPython是Python语言的一套优秀的GUI图形库。允许Python程序员很方便的创建完整的、功能键全的GUI用户界面。 wxPython是作为优秀的跨平台GUI库wxWidgets的Python封装和Python模块的方式提供给用户的。主要实现按钮的监听和按钮背景颜色python代码如下import wxclass Frame(wx.Frame): def __i...原创 2019-02-22 11:36:12 · 4540 阅读 · 0 评论 -
获取随机森林RF模型的重要特征
获取随机森林RF模型的重要特征模型训练之后,想要得到比较重要的特征,可以通过python的sklearn包来实现。python实现代码如下所示: RandomForestClassifier.py# -*- coding: utf-8 -*-import IOUtil as iouimport numpy as npimport pandas as pdfrom sk...原创 2018-11-07 08:51:56 · 3198 阅读 · 0 评论 -
获取逻辑回归LogisticRegression模型的重要特征
获取逻辑回归LogisticRegression模型的重要特征 模型训练之后,想要得到比较重要的特征,可以通过python的sklearn包来实现。python实现代码如下所示: LogisticRegression.py# -*- coding: utf-8 -*-import IOUtil as iouimport numpy as npimport pandas...原创 2018-11-06 10:09:46 · 11180 阅读 · 1 评论 -
获取线性支持向量机LinearSVC模型的重要特征
获取线性支持向量机LinearSVC模型的重要特征模型训练之后,想要得到比较重要的特征,可以通过python的sklearn包来实现。python实现代码如下所示: LinearSVC.py# -*- coding: utf-8 -*-import IOUtil as iouimport numpy as npimport pandas as pdfrom sklea...原创 2018-11-06 10:00:25 · 3529 阅读 · 0 评论 -
获取梯度提升树GDBT模型的重要特征
获取梯度提升树GDBT模型的重要特征 模型训练之后,想要得到比较重要的特征,可以通过python的sklearn包来实现。python实现代码如下所示: GradientBoostingClassifier.py# -*- coding: utf-8 -*-import IOUtil as iouimport numpy as npimport pandas as pd...原创 2018-11-06 09:51:12 · 1611 阅读 · 0 评论 -
获取决策树DT模型的重要特征
获取决策树DT模型的重要特征模型训练之后,想要得到比较重要的特征,可以通过python的sklearn包来实现。python实现代码如下所示: DecisionTreeClassifier.py# -*- coding: utf-8 -*-import IOUtil as iouimport numpy as npimport pandas as pdfrom skl...原创 2018-11-06 09:44:25 · 1730 阅读 · 0 评论 -
获取AdaBoost模型的重要特征
获取AdaBoost模型的重要特征模型训练之后,想要得到比较重要的特征,可以通过python的sklearn包来实现。python实现代码如下所示: AdaBoostClassifier.py# -*- coding: utf-8 -*-import IOUtil as iouimport numpy as npimport pandas as pdfrom skle...原创 2018-11-06 09:35:35 · 4367 阅读 · 1 评论 -
python2与python3实现读取网页刷访问量
python2中调用import urllib2读取网页python2实现代码 #-*- coding:utf-8 -*-import urllib2def down1(url): return urllib2.urlopen(url).read()#读取全部网页url = "https://www.baidu.com"print down1(url)注意:py...原创 2018-11-01 08:25:44 · 1952 阅读 · 1 评论 -
t-SNE降维原理及python实现代码
t-SNE(Stochastic Neighbor Embedding t分布随机邻域嵌入) PCA的局限性PCA是一种线性算法,它不能解释特征之间的复杂多项式关系。而t-SNE是基于在邻域图上随机游走的概率分布来找到数据内的结构。线性降维算法的一个主要问题是不相似的数据点放置在较低维度表示为相距甚远。但为了在低维度用非线性流形表示高维数据,相似数据点必须表示为非常靠近,这不是线...原创 2018-10-09 21:24:29 · 17502 阅读 · 4 评论 -
python实现KPCA降维
核PCA(KPCA)KPCA是一种非线性主元分析方法,用于降维。主要思想:通过某种事先选择的非线性映射函数Ф将输入矢量X映射到一个高维线性特征空间F之中,然后在空间F中使用PCA方法计算主元成分,核主成分分析最主要是非线性映射函数Ф的选取。Python实现代码# coding=utf-8 from sklearn.decomposition import KernelPCAfr...原创 2018-10-08 14:53:01 · 11163 阅读 · 6 评论 -
python实现PCA降维
概述本文主要介绍一种降维方法,PCA(Principal Component Analysis,主成分分析)。降维致力于解决三类问题。1. 降维可以缓解维度灾难问题;2. 降维可以在压缩数据的同时让信息损失最小化;3. 理解几百个维度的数据结构很困难,两三个维度的数据通过可视化更容易理解。PCA简介在理解特征提取与处理时,涉及高维特征向量的问题往往容易陷入维度灾难。随着数据...原创 2018-10-08 14:47:22 · 29383 阅读 · 4 评论 -
python使用chunk进行大文件的读写
有时候我们会拿到一些很大的文本文件,完整读入内存,读入的过程会很慢,甚至可能无法读入内存,或者可以读入内存,但是没法进行进一步的计算,这个时候如果我们不是要进行很复杂的运算,可以使用read_csv提供的chunksize或者iterator参数,来部分读入文件,处理完之后再通过to_csv的mode=’a’,将每部分结果逐步写入文件。python代码如下:reader = pd....原创 2019-04-08 10:36:35 · 7128 阅读 · 0 评论