s0302017的博客

1.定义：基尼指数（基尼不纯度）：表示在样本集合中一个随机选中的样本被分错的概率。 注意： Gini指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。def gini_index_single(a,b): single_gini = 1 - ((a/(a+b))**2) - ((b/(a+b))**2) return round(single_gini,4)# 求取基尼指数def gini_index(a,b,c,d,e,f...

在fluent中指定部件运动主要有两种方式：profile文件和UDF宏文件。当运动方程已知时，利用UDF宏指定运动非常方便，而profile方法则适合当需要指定的运动无任何函数关系的情况。标准瞬态Profile文件可表述为以下格式：（（profile-name transient n periodic？）(field_name_1 a1 a2 a3…an)(field_name_2 b1 b2 b3…bn)...(field_name_r r1 r2 r3 …rn))

当绘画完成后，会发现X、Y轴的区间是会自动调整的，并不是跟传入的X、Y轴数据中的最值相同。为了调整区间可以使用下面的方式：ax.set_xlim([xmin, xmax]) #设置X轴的区间ax.set_ylim([ymin, ymax]) #Y轴区间ax.axis([xmin, xmax, ymin, ymax]) #X、Y轴区间ax.set_ylim(bottom=-10) #Y轴下限ax.set_xlim(right=25) #X轴上限具体效果如...

Apriori的原理解释：假设我们在经营一家商品种类并不多的杂货店，我们对那些经常在一起被购买的商品非常感兴趣。我们只有4种商品：商品0，商品1，商品2和商品3。那么所有可能被一起购买的商品组合都有哪些？这些商品组合可能只有一种商品，比如商品0，也可能包括两种、三种或者所有四种商品。我们并不关心某人买了两件商品0以及四件商品2的情况，我们只关心他购买了一种或多种商品from numpy import *def loadDataSet(): return [[1, 3, 4], [2, 3.

Python break语句，就像在C语言中，打破了最小封闭for或while循环。break语句用来终止循环语句，即循环条件没有False条件或者序列还没被完全递归完，也会停止执行循环语句。break语句用在while和for循环中。如果使用嵌套循环，break语句将停止执行最深层的循环，并开始执行下一行代码。 如下例：for letter in 'Python': # 第一个实例 if letter == 'h': break print '当前字母 :', letter var =.

Python中使用+运算符可以将多个序列连接起来；列表是序列的一种，所以也可以使用+进行连接，这样就相当于在第一个列表的末尾添加了另一个列表。language = ["Python", "C++", "Java"]birthday = [1991, 1998, 1995]info = language + birthdayprint("language =", language)print("birthday =", birthday)print("info =", in..

#-*-coding:utf-8-*-from math import logimport operatordef calcShanonEnt(dataSet): ''' 计算给定数据集的香农熵 :param dataSet: :return:shanonEnt ''' numEntries = len(dataSet) labelCounts={} for featVec in dataSet: currentLab.

Python中函数的应用非常广泛，比如 input() 、print()、range()、len() 函数等等，这些都是 Python 的内置函数，可以直接使用。除了可以直接使用的内置函数外，Python还支持自定义函数，即将一段有规律的、可重复使用的代码定义成函数，从而达到一次编写、多次调用的目的。如len() 函数，通过它我们可以直接获得一个字符串的长度，如果没有 len() 函数，要想获取一个字符串的长度，可用如下代码：n=0for c in "http://c.biancheng.net

在之前的文章中，笔者介绍了二维切削的模拟方法，本次笔者将介绍三维钻头钻进岩石的模拟方法。步骤一：准备模型由于在abaqus中绘图和装配比较繁琐，笔者选择在solidwork中提前建好模型，并进行装配，再以x.t格式存储和导入abaqus。步骤二：材料属性的设置材料属性的设置比较重要，它直接影响到模拟结果的准确性，由于本次是做算例讲解，为了简便仅给出基础数据：岩石属性：密度：2.79e-009；弹性：杨氏模量：70000，泊松比：0.33塑性：钻头属性：传导

import tensorflow as tfimport numpy as npinput_xs = np.random.rand(1000)input_ys = 3 * input_xs + 0.217weight = tf.Variable(1., dtype=tf.float32, name="weight")bias = tf.Variable(1., dtype=tf.float32, name="bias")def model(xs): logits = tf.mult.

在机器学习中的决策树类算法中主要依靠信息熵的大小来选择重要的特征属性作为节点换分数据集从而获得训练结果#-*-coding:utf-8-*-from math import logimport operatordef calcShanonEnt(dataSet): ''' 计算给定数据集的香农熵 :param dataSet: :return:shanonEnt ''' numEntries = len(dataSet) labelCou

Python for循环可以遍历任何序列的项目，如一个列表或者一个字符串。语法：for循环的语法格式如下：for iterating_var in sequence: statements(s)实例for letter in 'Python': # 第一个实例print '当前字母 :', letterfruits = ['banana', 'apple', 'mango']for fruit in fruits: # 第二个实例print '当前水果 :'...

print()函数使用以%开头的转换说明符对各种类型的数据进行格式化输出。+ 加法运算符加法运算符很简单，和数学中的规则一样：m = 10n = 97sum1 = m + nx = 7.2y = 15.3sum2 = x + yprint("sum1=%d, sum2=%.2f" % (sum1, sum2) )运行结果：sum1=107, sum2=22.50拼接字符串当+用于数字时表示加法，但是当+用于字符串时，它还有拼接字符串（将两个字符..

#-*-coding:utf-8-*-from sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitimport numpy as npfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LinearRegressionfrom sklearn.linear_mo.

1.字符串定义字符串：以双引号或单引号包围的数据2.字符串的拼接练习：a = 'hello'b = 'world'c = a + bprint(c)运行结果：helloworld3.字符串的查找方法 count 计数功能，返回自定字符在字符串中的个数 find 查找，返回从左第一个指定字符的索引，找不到返回-1 rfind 查找，返回从右第一个指定字符的索引

# -*- coding: UTF-8 -*-import mathimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom pylab import mplmpl.rcParams['font.sans-serif'] = ['SimHei']mpl.rcParams['axes.unicode_minus'] = False# ==================================...

APDL:/prep7 !------------------------------------------- ET,1,SHELL63 !壳单元 MP,EX,1,2.1e5 !C20 混凝土 MP,NUXY,1,0.2 R,1,200, , , , , , !壁厚 200 R,2,150, , , , , , !肋厚 150 !------------------------------------------- !建模 k,1,0,0,0 k,2,325,0,0 k,3,32.

将多个文本整合到单个文本中方便后续进行数据处理#-*-coding:utf-8-*-import os,shutilfor i in range(1,10): file_list=os.listdir("word_count\\"+str(i)) for file in file_list: with open("word_count\\"+str(i)+'\\'+file,'r',encoding='utf-8',errors='ignore') as f:

Python条件语句是通过一条或多条语句的执行结果（True或者False）来决定执行的代码块。Python程序语言指定任何非0和非空（null）值为true，0 或者 null为false。Python 编程中 if 语句用于控制程序的执行，基本形式为：if 判断条件： 执行语句……else：执行语句……其中"判断条件"成立时（非零），则执行后面的语句，而执行内容可以多行，以缩进来区分表示同一范围。else 为可选语句，当需要在条件不成立时执行内容则可以执行相关语句。...

print()函数使用以%开头的转换说明符对各种类型的数据进行格式化输出，具体请看下表。转换说明符只是一个占位符，它会被后面表达式（变量、常量、数字、字符串、加减乘除等各种形式）的值代替。【实例】输出一个整数：age=8print("C语言中文网已经%d岁了！"%age)运行结果：C语言中文网已经8岁了！在print()函数中，由引号包围的是格式化字符串，它相当于一个字符串模板，可以放置一些转换说明符（占位符）。本例的格式化字符串中包含一个%s说明符，它最终会被后..

本方法可用于寻找距离图中几个点总距离最小的点的坐标，在储运联合站位置选择等方面可以应用。下面附详细代码：clear;clc;x=[39496497 39498814 39495320 39498306 39501067];y=[4218695 4218832 4218558 4217348 4217954];dist=@(var) sum(sqrt((var(1)-x).^2+(var(2)-y).^2));%var(1)=x;var(2)=yvar0=rand(2,1);[var,minD.

import pandas as pdimport numpy as npfrom numpy import sinfrom numpy import cosfrom numpy import tanfrom numpy import arctanfrom numpy import arccosimport matplotlib.pyplot as pltfrom pylab import mplfrom mpl_toolkits.mplot3d import Axes3Dmpl....

卷积简介卷积（Convolution）是数学上的一种积分变换，主要作用是为了获取某个函数的局部信息，被广泛应用于信号、图像和机器学习等领域。本文给出了图像卷积的Python实现。算法实现from PIL import Imageimport numpy as npimport matplotlib.pyplot as pltclass ImageCov( object ): ...

使用泰坦尼克生还数据集，利用sklearn决集成分类器对对其进行预测分类，#-*-coding:utf-8-*-import pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction import DictVectorizerfrom sklearn...

#集合：是无序的、不重复的；1、去重；2、关系测试#创建集合#创建数字集合number=set([1,3,5,7,9]) #数字型集合str_type=set(["im","is","are"])#字符串集合#列表转换成集合list_1=[1,4,5,7,9]list_1=set(list_1) #赋值print(list_1,type(list_1))#type(...

Python要求字符串必须使用引号括起来，使用单引号也行，使用双引号也行，只要两边的引号能配对即可。Python字符串和转义字符字符串既可用单引号括起来，也可用双引号括起来，它们没有任何区别。例如如下程序：str1 = 'Charlie'str2 = "C语言中文网"print(str1)print(str2)如果字符串内容本身包含了单引号或双引号，此时就需要进行特殊处...

以股票求资金最优组合为例原理如下,输入数据尚未给定#构建有效前沿,指定收益率，波动率最小，求资金组合import scipy.optimize as scodef f(w): w=np.array(w) Rp_opt=np.sum(w*R_mean) Vp_opt=np.sqrt(np.dot(w,np.dot(R_cov,w.T))) return n...

使用泰坦尼克生还数据集，利用sklearn决策树分类器对对其进行预测分类，决策树的优点在于逻辑推断可以有非常直观和清晰的解释，便于模型的可视化，同时决策树属于有参数模型，需要花费更多时间在训练数据上。#-*-coding:utf-8-*-import pandas as pdfrom sklearn.model_selection import train_test_splitfr...

双线性插值对于曲面z=f(x,y)，双线性插值是一种比较简单的插值方法。双线性插值需要已知曲面上的四个点，然后以此构建一张曲面片，得到双线性插值函数，进而可以根据该曲面片内部各个点处的横坐标和纵坐标来快速计算该点的竖坐标。具体的计算公式如下： （1）其中各个坐标如下图所示：对于图像而言，相邻的四个像素，除了对角线上两个点外，其它点的距离都是1，因此上述公式中的各个点的横坐标和...

#-*-coding:utf-8-*-import osimport jsondata={}with open('2009_all_keywords.txt','r',encoding='utf-8',errors='ignore') as f: txt_read = f.read() txt_read= txt_read.strip() txt = txt_re...

x = [(2, 0, 3), (1, 0, 3), (1, 1, 3), (1, 4, 2), (1, 2, 4)]y = [5, 6, 8, 10, 11]epsilon = 0.002alpha = 0.02diff = [0, 0]max_itor = 1000error0 = 0error1 = 0cnt = 0m = len(x)theta0 = 0theta1...

PyQt5是Qt移植到Python上形成的GUI编程框架，自问世以来受到了越来越多的Python程序员的喜爱，因为其具有如下优秀的特征：基于高性能的Qt的GUI控件集。 可跨平台运行于Mac OS、Linux、Windows等主流OS上。 使用signal/slot也就是信号/槽机制具有类型安全和Qt对象松散耦合的优点。 对Qt库完全封装，Qt里有啥，PyQt5里都有。 使用Qt de...

# -*- coding: UTF-8 -*-import mathimport numpy as npimport matplotlib.pyplot as plt# ===================================================================# 算法——套管扶正器计算# ==========================...

#-*-coding:utf-8-*-import pandas as pdimport os,shutilfrom sqlalchemy import create_enginecol_list=[ 'A', 'B', 'C', 'D', 'E', 'F', ...

二、案例 日期 天气 气温 湿度 是否刮风 是否外出散步 1 下雨 68 80 否 是 2 下雨...

作者：GuHP

import tensorflow as tfimport numpy as npfrom sklearn.datasets import load_irisdata = load_iris()#加载数据iris_target = data.targetiris_data = np.float32(data.data)iris_target = np.float32(tf.keras...

import mathimport numpy as np###########################################'''统计数组中的不同数据及其出现次数''''''返回值：diffData，存储data中出现的不同数据'''''' diffDataNum, 存储不同数据的出现次数'''######################...

一、熵熵，在信息论中是用来刻画信息混乱程度的一种度量。熵最早源于热力学，后应广泛用于物理、化学、信息论等领域。1850年，德国物理学家鲁道夫·克劳修斯首次提出熵的概念，用来表示任何一种能量在空间中分布的均匀程度。1948年，Shannon在Bell System Technical Journal上发表文章“A Mathematical Theory of Communication”，将信息...

import numpy.random as nprimport matplotlib.pyplot as pltfrom pylab import mplmpl.rcParams['font.sans-serif'] = ['SimHei']mpl.rcParams['axes.unicode_minus'] = FalseI=1000x_norm = npr.normal(l...