![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
文章平均质量分 64
学者(cloudea)
写前后端就图一乐 算法才是生活
展开
-
数据分析之数据相关性分析
本文介绍相关性分析的方法和工具。从三个常用相关系数(pearson,spearman,kendall)的定义出发,说明相关性分析的原理和作用。原创 2023-01-07 14:51:33 · 3154 阅读 · 0 评论 -
python object对象转dict字典(支持递归)
本文提供将自定义类的对象转换成dict的方法,方便转换成json原创 2022-06-14 15:42:46 · 1401 阅读 · 2 评论 -
一种旅行商问题(TSP)具有高近似比的启发式解法的python实现
简介文本实现了一个自研的TSP问题近似解法。在规模5~100的问题上近似比在1.1左右。另外在规模为1000的一个测试用例上测得近似比为:1.0742784198679693。时间复杂度O(n^3)。基本思想:基于最近邻的思想,每次选择一个最近且加入后不会产生边交叉的顶点。但是有可能不存在这样的顶点。所以当不存在时,选择最近的顶点,且把该顶点加入后,去除边交叉。直到所有顶点都被选择为止。注意:这里的边交叉是指:路径中存在一条子路径,可以通过翻转该子路径后使得原路径变短。如下图。实验结果本文对原创 2022-02-19 15:05:00 · 592 阅读 · 0 评论 -
使用pyconcorde计算二维平面的旅行商问题(TSP)
简介众所周知,TSP问题是一个NP问题,至今只能通过近似的方法来求解。即使使用分支限界方法等非近似算法算得依然很慢。比较好的近似算法有:Lin–Kernighan 在100以内几乎可以得到最优解,速度很快,时间复杂度O(n2.2)O(n^{2.2})O(n2.2)Christofides 理论最坏情况可以达到1.5倍的近似比,时间复杂度O(n3)O(n^3)O(n3)但是代码...原创 2022-02-18 10:13:18 · 2813 阅读 · 10 评论 -
一种简单的使用pandas DataFrame划分训练集、测试集、验证集的方法
例如划分训练集、测试集、验证集比例为 6:2:26: 2: 26:2:2, 代码如下:import pandas as pd""" 此脚本将数据集分为训练集和测试集和验证集"""if __name__ == "__main__": data = pd.read_csv("corpus-model-filtered.csv", header=None) #加载数据 data:pd.DataFrame = data.sample(frac=1.0)原创 2020-10-29 12:59:32 · 5948 阅读 · 2 评论 -
华北电力大学2020人工智能训练营测试答案(关于paddlepaddle及python基本操作)
1. 数组a的形状是shape=(3, 4, 5, 6), 对其进行形状改变操作a.reshape(-1, 3, 6), 其形状是什么? ( C )A、(3, 5, 6)B、(4, 5, 6)C、(20, 3, 6)D、(5, 6)2. python中以下哪些是不可变的数据 (A)A、tupleB、listC、setD、dict3. 下列哪些语句在python中是非法的? (B)A、x=y=z=1B、x=(y=z+1)C、x,y=y,xD、x += y4. python不支持的原创 2020-08-23 09:33:56 · 3418 阅读 · 4 评论 -
感知器的实现
本篇实现了一个最简单的感知器,能够将下图中的两类数据分开。原理我们假设有一个超平面可以将两类数据分开:wTx=0w^Tx=0wTx=0其中,wT=[w0 w1 w2 ... wn]w^T=[w_0 \ w_1 \ w_2 \ ... \ w_n]wT=[w0 w1 w2 ... wn]是系数,xT=[1 x1 x2 ... xn]x^T=[1 \ x_1 \ x_2原创 2020-06-27 13:56:52 · 838 阅读 · 0 评论 -
逻辑回归与二分类
效果数据来自iris数据集,数据集下载地址:链接: https://pan.baidu.com/s/1DMp8paakuOgfWSX8YCGfsA 提取码: fmwx数学原理记某件事件发生为1,不发生为0,则有:显然服从两点分布,其概率密度函数为:那么事件发生的几率为:为了映射到R范围,我们log一下:假设在因素x的影响下呈线性分布(也可以假设其它,最终还是可以变换到线性...原创 2019-10-24 22:09:42 · 207 阅读 · 0 评论 -
线性回归与曲线拟合
效果下面是随便编造的一组数据在1~7阶上的拟合效果。数学原理最小二乘假设拟合有m个样本的n维数据,设拟合线性方程如下则实际的方程如下,h(x)是误差项,服从移项, 则有:对它作极大似然估计(这是参数估计的一般步骤),似然方程如下:因为我们只关心theta, 因此把sigma看成常数,此时当以下函数取最小值时,L有最大值:这就是最小二乘法的由来,即用实际值减去拟合的...原创 2019-10-22 22:26:53 · 7421 阅读 · 0 评论 -
PCA(主成份分析)简单原理分析及实现
原理下面以 从4维降到2维 为例:如果有一组n个样本的数据,身高体重变量3变量4x0y0z0w0x1y1z1w1…………x_(n-1)y_(n-1)z_(n-1)w_(n-1)那么可以用一个矩阵表示这组数据 ,为了方便,我们转置一下:我们的目标是把它降成2维。为什么要降维呢?我们知道,如果数据是一维,我们可以在数轴上...原创 2019-09-26 19:09:50 · 557 阅读 · 0 评论 -
Julia集简单实现示例
原理复数平面中某些点按照函数 f(z) = z^2 + c 进行迭代。即我们假设c总是小于2 的。当迭代到某一步发现|z| > 2时,从公式可得下一个|z|会变得更大。则这个z所代表的复数在随着迭代次数增加,必然发散的.Julia集就是由非发散点组成的集合。我们把这些点画出来就可以了。但是我们不可能把所有点都找出来。只能认为在一定迭代次数(例如25)下,|z| < 2的点统...原创 2019-09-12 15:11:13 · 4687 阅读 · 0 评论 -
简单使用SVD算法进行图片压缩
原理任何一个矩阵都可以进行SVD分解。即分解过程极复杂,略。其中它只有对角线上有元素,其余为0。它描述了矩阵A的主要特征。我们把图片的R、G、B三个通道分别看成一个矩阵。对它们进行SVD分解。然后将需要的特征保留(一般是取前几个),把不需要的置0。把分解后的矩阵再乘起来得到新的A就是压缩后的内容了。原图与压缩结果原图:压缩图:取了10个特征压缩前:669KB压缩后:17...原创 2019-09-10 16:10:32 · 2328 阅读 · 2 评论 -
python 制作基于socket的简易聊天室 炒鸡简单!
效果:服务端代码:import socket, threadingserver = socket.socket(socket.AF_INET, socket.SOCK_STREAM)server.bind(("0.0.0.0", 8080))server.listen(1000)def broadCastMSG(users, msgNo, msg, selfLink): ...原创 2019-01-23 15:02:25 · 1414 阅读 · 2 评论 -
python中简单使用socket进行通信
客户端:import socketlink = socket.socket(socket.AF_INET, socket.SOCK_STREAM)link.connect(("192.168.43.64", 80))while True: data = input() link.send(data.encode("utf-8")) result = link....原创 2018-12-31 11:57:37 · 582 阅读 · 0 评论 -
python 判断url链接是否有效 判断文件下载链接是否有效
其实非常简单from urllib import requestwith request.urlopen("http://down.dbcxz1.net/20181105/BigBaiCai_UEFI_bd.exe") as file: print(file.status) print(file.reason)结果 :200OK如果链接指向一个文件也不怕,因为fi...原创 2018-11-10 20:20:22 · 12694 阅读 · 0 评论