Max_Python_Help DOC 通读003

这里直贴一下码,关于PySide我要去Python里去学一下,关于Qt Designer。。。看了一下这个下载下来安装包好像有1.4G。。

太大了。。。就算了吧

from PySide import QtGui
import MaxPlus


class _GCProtector(object):
	widgets = []


def make_cylinder():
	obj = MaxPlus.Factory.CreateGeomObject(MaxPlus.ClassIds.Cylinder)
	obj.ParameterBlock.Radius.Value = 10.0
	obj.ParameterBlock.Height.Value = 30.0
	node = MaxPlus.Factory.CreateNode(obj)
	time = MaxPlus.Core.GetCurrentTime()
	MaxPlus.ViewportManager.RedrawViews(time)
	return



app = QtGui.QApplication.instance()
if not app:
	print "AAAAAA"
	app = QtGui.QApplication([])


def main():
	MaxPlus.FileManager.Reset(True)
	
	w = QtGui.QWidget(MaxPlus.GetQMaxWindow())
	_GCProtector.widgets.append(w)
	w.resize(250, 100)
	w.setWindowTitle('PySide Qt Window')
	
	main_layout = QtGui.QVBoxLayout()
	label = QtGui.QLabel("Click Button to Create a Cylinder in the scene")
	main_layout.addWidget(label)
	
	cylinder_btn = QtGui.QPushButton("Cylinder")
	cylinder_btn.clicked.connect(make_cylinder)
	main_layout.addWidget(cylinder_btn)
	
	textEdit = QtGui.QLineEdit()
	textEdit.setText("Edit Text")
	main_layout.addWidget(textEdit)
	
	w.setLayout(main_layout)
	w.show()


if __name__ == "__main__":
	main()

关于Qt的使用

import pysideuic
from PySide import QtCore, QtGui

#~ fname = "scripts/python/test_ui.ui"
fname = 'D:/Program Files/Autodesk/3ds Max 2017/scripts/Python/test_ui.ui'
formt, btype = MaxPlus.LoadUiType(fname)

class TestWidget(btype, formt):
    def __init__(self, parent=None):
        btype.__init__(self)
        formt.__init__(self)
        self.setupUi(self)
        
form = TestWidget()
form.show()

 

决策树分类器 DecisionTreeClassifier 是一种常见的机器学习算法,其参数 max_depth 可以调整决策树的最大深度。下面是一个示范代码,展示如何在 Python 中使用 DecisionTreeClassifier 并调整 max_depth 参数。 首先,我们需要导入必要的库和数据集: ```python from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score iris = load_iris() X = iris.data y = iris.target ``` 然后,我们将数据集分为训练集和测试集,使用 DecisionTreeClassifier 创建分类器,并在训练集上训练模型: ```python X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) clf = DecisionTreeClassifier(max_depth=3, random_state=42) clf.fit(X_train, y_train) ``` 在这里,我们将 max_depth 设置为 3。接下来,我们使用测试集评估模型的性能: ```python y_pred = clf.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy) ``` 最后,我们可以使用不同的 max_depth 值进行实验,并比较模型的准确性。例如,我们可以将 max_depth 设置为 4: ```python clf = DecisionTreeClassifier(max_depth=4, random_state=42) clf.fit(X_train, y_train) y_pred = clf.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy) ``` 通过比较不同 max_depth 值下的准确性,我们可以找到一个最佳值来优化模型性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值