html 分页_分页

def fenye(request,page=1):
    users = User.objects.all()
    # 产生分页器
    paginator = Paginator(users,10)
    # 分页对象
    # page表示当前页
    pager = paginator.page(page)
    for user in paginator.object_list:
        print(user,type(user))
    return render(request,"userlist.html",locals())

分页封装：

    <tr>
        <td>用户名</td>
        <td>密码</td>
    </tr>
    {% for user in pager.object_list %}
        <tr>
            <td>{{ user.username }}</td>
            <td>{{ user.password }}</td>
        </tr>
    {% endfor %}
</table>
<div>
{#    paginator.page_range 页码列表   #}
    {% for page in paginator.page_range %}
        <a href="{% url 'App02:page' page=page %}">{{ page }}</a>
    {% endfor %}

---

Ｋ近邻分类：；

决策树：自顶向下递归的方法，熵值不断下降过程；（贪心）

优点：可以自学习，不需要使用者了解过多背景知识。

关键：在当前状态下，选择什么属性作为分类的依据；

信息增益： 得到特征A的信息而使得类X的信息的不确定度减小的程度；

g(D,A) = H(D)-H(D|A),就是训练数据D和特征A的互信息。

选择信息增益最大的作为特征，不确定性变为确定性的能力。

信息增益率：C4.5

基尼系数: CART

ID3: 信息增益，f庞大且深度很浅的树；

缺点：易过拟合，泛化能力弱；

Bagging：重采样重复选择出n个样本，对所有属性进行分类器选择（ID3、C4.5、CART、SVM、Logistic回归），投票结果。

boosting:属性选择、权重；

随机森林：Bootstrap采样选出n个样本；随机选择k个属性，重复m次，投票；