- 博客(132)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 Python实战 - Django 部署
使用 runserver 启动$ python3 manage.py runserver 0.0.0.0:8080 &使用 fastcgi 命令启动 + shell 脚本 + nginx#!/bin/bashPROJDIR="/data/github/awesome-platform/app"PIDFILE="$PROJDIR/app.awesome-platform.pid"ERRORLOG="/data/logs/cms_app_error.log"OUTLOG="/d.
2021-01-21 11:05:56
366
原创 零基础学Java01 - 编程基础
零基础学Java01.编程基础01 | 课程介绍02 | 内容综述03 | 开发环境搭建（macOS）04 | HelloWorld程序编译和运行（macOS）05 | 开发环境搭建（Windows）06 | HelloWorld程序编译和运行（Windows）07 | 详解HelloWorld程序类名必须要与文件名一致，文件名后缀必须是小写的 javaMain ...
2019-07-07 19:29:43
524
原创 CPP语言开发基础知识
目录1、面向对象... 12、命名空间 - 避免类名冲突... 13、类的继承 – 可以直接访问父类定义的方法... 14、构造方法和析构方法... 15、执行父类的构造方法... 16、执行父类的方法... 27、实函数、虚函数、纯虚函数、函数重写... 28、纯虚类... 29、函数重载 – 函数名称一样，参数不同... 210、运算符重载... 3...
2019-06-23 21:39:13
1563
原创 C语言基础知识学习经典入门
目录1 本课概要... 12 C语言入口方法... 13 C语言标准输入与输出... 14 C语言方法调用... 25 C语言宏定义 – 在编译阶段... 26 C语言宏方法定义 – 在编译阶段，无类型... 37 C语言条件判断... 38 C语言循环... 49 C语言结构体 – 存储数据的集合 – 结构体的赋值，直接是内存的拷贝... 510 C语言结...
2019-06-23 21:36:04
31378
3
原创 数据分析5 - 拓展篇
数据分析实战5.拓展篇42丨当我们谈深度学习的时候，我们都在谈什么？目标在这篇文章中，我们会通过以下几个方面了解深度学习：数据挖掘、机器学习和深度学习的区别是什么？这些概念都代表什么？我们通过深度学习让机器具备人的能力，甚至某些技能的水平超过人类，比如图像识别、下棋对弈等。那么深度学习的大脑是如何工作的？深度学习是基于神经网络构建的，都有哪些常用的网络模型？深度学习有三个重要...
2019-06-06 15:32:03
363
原创 数据分析4 - 实战篇
数据分析实战4.实战篇37丨数据采集实战：如何自动化运营微博？目标掌握 Selenium 自动化测试工具，以及元素定位的方法；学会编写微博自动化功能模块：加关注，写评论，发微博；对微博自动化做自我总结。Selenium 自动化测试工具当我们做 Web 自动化测试的时候，可以选用 Selenium 或者 Puppeteer 工具。我在第 10 篇的时候简单介绍过 Sele...
2019-06-06 15:31:28
513
原创 数据分析3 - 算法篇
数据分析实战3.算法篇分类算法：NB、C4.5、CART、SVM、KNN、Adaboost聚类算法：K-Means、EM关联分析：Apriori链接分析：PageRank17 丨决策树（上）：要不要去打篮球？决策树来告诉你决策树学习通常包括三个步骤特征选择。选取最优特征来划分特征空间，用信息增益或者信息增益比来选择决策树的生成。ID3、C4.5、CART剪枝纯度...
2019-06-06 15:30:22
4442
原创 数据分析2 - 基础篇
数据分析实战.基础篇06 | 学数据分析要掌握哪些基本概念？商业智能 BI、数据仓库 DW、数据挖掘 DM 三者之间的关系开头中的百货商店利用数据预测用户购物行为属于商业智能，他们积累的顾客的消费行为习惯会存储在数据仓库中，通过对个体进行消费行为分析总结出来的规律属于数据挖掘。KDDKnowledge Discovery in Databas数据挖掘的流程07 | ...
2019-06-06 15:25:44
403
原创 数据分析1 - 预习篇
数据分析实战.预习篇数据分析实战45讲开篇词 | 你为什么需要数据分析能力？MAS 方法学习数据分析的核心就是培养数据思维，掌握挖掘工具，熟练实践并积累经验从“思维”到“工具”再到“实践”01丨数据分析全景图及修炼指南数据分析分成三个重要的组成部分数据采集数据挖掘数据可视化修炼指南我们只有把知识转化为自己的语言，它才真正变成了我们自己的东...
2019-06-06 15:25:26
348
原创 JavaScript教程10 - Vue.js
MVVM什么是MVVM？MVVM是Model-View-ViewModel的缩写。当我们用Node.js有了一整套后端开发模型后，我们对前端开发也会有新的认识。由于前端开发混合了HTML、CSS和JavaScript，而且页面众多，所以，代码的组织和维护难度其实更加复杂，这就是MVVM出现的原因。用JavaScript在浏览器中操作HTML，经历了若干发展阶段：第一阶段，直接用JavaS...
2019-06-05 13:14:19
496
原创 JavaScript教程8 - jQuery
jQueryjQuery这么流行，肯定是因为它解决了一些很重要的问题。实际上，jQuery能帮我们干这些事情：消除浏览器差异：你不需要自己写冗长的代码来针对不同的浏览器来绑定事件，编写AJAX等代码；简洁的操作DOM的方法：写$(’#test’)肯定比document.getElementById(‘test’)来得简洁；轻松实现动画、修改CSS等各种操作。jQuery的理念“Wri...
2019-06-05 13:13:48
3581
原创 JavaScript教程7 - underscore
underscoreunderscore前面我们已经讲过了，JavaScript是函数式编程语言，支持高阶函数和闭包。函数式编程非常强大，可以写出非常简洁的代码。现在问题来了，Array有map()和filter()方法，可是Object没有这些方法。此外，低版本的浏览器例如IE6～8也没有这些方法，怎么办？方法一，自己把这些方法添加到Array.prototype中，然后给Obje...
2019-06-05 13:13:29
355
原创 JavaScript教程6 - 错误处理
错误处理try … catch … finally我们来分析一下使用try … catch … finally的执行流程。当代码块被try { … }包裹的时候，就表示这部分代码执行过程中可能会发生错误，一旦发生错误，就不再继续执行后续代码，转而跳到catch块。catch (e) { … }包裹的代码就是错误处理代码，变量e表示捕获到的错误。最后，无论有没有错误，finally一定会被...
2019-06-05 13:12:57
175
原创 JavaScript教程5 - 浏览器
JavaScript教程505 | 浏览器浏览器对象windowwindow对象不但充当全局作用域，而且表示浏览器窗口。window对象有innerWidth和innerHeight属性，可以获取浏览器窗口的内部宽度和高度。内部宽高是指除去菜单栏、工具栏、边框等占位元素后，用于显示网页的净宽高。内部宽高是指除去菜单栏、工具栏、边框等占位元素后，用于显示网页的净宽高。对应的，还有一...
2019-06-05 13:11:46
212
原创 JavaScript教程4 - 面向对象编程
JavaScript教程404 | 面向对象编程面向对象的两个基本概念类：类是对象的类型模板实例：实例是根据类创建的对象JavaScript不区分类和实例的概念，而是通过原型（prototype）来实现面向对象编程。原型是指当我们想要创建xiaoming这个具体的学生时，我们并没有一个Student类型可用。那怎么办？恰好有这么一个现成的对象：法一：把一个对象的原型指向另一个对象...
2019-06-05 13:11:15
363
原创 JavaScript教程3 - 标准对象
JavaScript教程303 | 标准对象标准对象typeof 123; // 'number'typeof NaN; // 'number'typeof 'str'; // 'string'typeof true; // 'boolean'typeof undefined; // 'undefined'typeof Math.abs; // 'function'typeo...
2019-06-05 13:10:54
231
原创 JavaScript教程2 - 函数
JavaScript教程202 | 函数定义函数// 定义1function abs(x) { if (x >= 0) { return x; } else { return -x; }}// 定义2：匿名函数var abs = function (x) { if (x >= 0) { ...
2019-06-05 13:10:35
229
原创 JavaScript教程1 - 快速入门
JavaScript教程101 | 快速入门代码JavaScript代码可以直接嵌在网页的任何地方，不过通常我们都把JavaScript代码放到中第二种方法是把JavaScript代码放到一个单独的.js文件，然后在HTML中通过引入这个文件alert('hello');语句块语句块是一组语句的集合注释以//开头直到行末的字符被视为行注释另一种块注释是用/…/把多...
2019-06-05 13:10:08
302
原创 机器学习算法08 - 降维学习
降维学习在概率统计模块，我详细讲解了如何使用各种统计指标来进行特征的选择，降低用于监督式学习的特征之维度。接下来的几节，我会阐述两种针对数值型特征，更为通用的降维方法，它们是主成分分析 PCA（Principal Component Analysis）和奇异值分解 SVD（Singular Value Decomposition）。这两种方法是从矩阵分析的角度出发，找出数据分布之间的关系，从而达...
2019-06-04 10:20:50
636
原创 机器学习算法07 - 聚类分析
聚类分析“物以类聚，人以群分”K-means在聚类中，数据对象之间的相似度时很关键的。如果我们把样本转换为向量，然后使用向量空间中的距离或者夹角余弦，就很自然的能获得这种相似度，所以向量空间模型和聚类算法可以很容易的结合在一起。EMEM 算法相当于一个框架，你可以采用不同的模型来进行聚类，比如 GMM（高斯混合模型）或者 HMM（隐马尔科夫模型）来进行聚类。GMM 是通过概率...
2019-06-04 10:19:58
541
原创 机器学习算法06 - 集成学习
集成学习“三个臭皮匠，顶个诸葛亮”举例利用错题本来提升学习效率和学习成绩IBM 服务器追求的是单个服务器性能的强大，比如打造超级服务器。而 Google 在创建集群的时候，利用了很多 PC 级的服务器，将它们组成集群，整体性能远比一个超级服务器的性能强大。AdaBoost 算法AdaBoost 实战机器学习基本算法之一的集成学习的基本原理，其要点如下：集成...
2019-06-04 10:19:20
269
原创 机器学习算法05 - 支持向量机
支持向量机“升维”机器学习基本算法之一的支持向量机的基本原理，其要点如下：线性可分支持向量机通过硬间隔最大化求出划分超平面，解决线性分类问题；线性支持向量机通过软间隔最大化求出划分超平面，解决线性分类问题；非线性支持向量机利用核函数实现从低维原始空间到高维特征空间的转换，在高维空间上解决非线性分类问题；支持向量机的学习是个凸二次规划问题，可以用 SMO 算法快速求解。SVM...
2019-06-04 10:18:44
323
原创 机器学习算法04 - 逻辑回归
逻辑回归机器学习基本算法之一的逻辑回归方法的基本原理，其要点如下：逻辑回归模型是对线性回归的改进，用于解决分类问题；逻辑回归输出的是实例属于每个类别的似然概率，似然概率最大的类别就是分类结果；在一定条件下，逻辑回归模型与朴素贝叶斯分类器是等价的；多分类问题时可以通过多次使用二分类逻辑回归或者使用 Softmax 回归解决。逻辑回归 & 线性回归从数学角度看，线性回...
2019-06-03 16:27:35
263
原创 机器学习算法03 - 线性回归
线性回归机器学习基本算法之一的线性回归的基本原理，其要点如下：线性回归假设输出变量是若干输入变量的线性组合，并根据这一关系求解线性组合中的最优系数；最小二乘法可用于解决单变量线性回归问题，当误差函数服从正态分布时，它与最大似然估计等价；多元线性回归问题也可以用最小二乘法求解，但极易出现过拟合现象；岭回归和 LASSO 回归分别通过引入二范数惩罚项和一范数惩罚项抑制过拟合。...
2019-06-03 16:27:20
209
原创 机器学习算法02 - 决策树
决策树ID3 & C4.5 & CART机器学习基本算法之一的决策树的基本原理，其要点如下：决策树是包含根节点、内部节点和叶节点的树结构，通过判定不同属性的特征来解决分类问题；决策树的学习过程包括特征选择、决策树生成、决策树剪枝三个步骤；决策树生成的基础是特征选择，特征选择的指标包括信息增益、信息增益比和基尼系数；决策树的剪枝策略包括预剪枝和后剪枝。...
2019-06-03 16:21:19
287
原创 机器学习算法01 - 朴素贝叶斯
朴素贝叶斯朴素贝叶斯分类机器学习基本算法之一的朴素贝叶斯方法的基本原理，其要点如下：朴素贝叶斯方法利用后验概率选择最佳分类，后验概率可以通过贝叶斯定理求解；朴素贝叶斯方法假定所有属性相互独立，基于这一假设将类条件概率转化为属性条件概率的乘积；朴素贝叶斯方法可以使期望风险最小化；影响朴素贝叶斯分类的是所有属性之间的依赖关系在不同类别上的分布。...
2019-06-03 16:18:17
318
原创 数据挖掘算法10 - PageRank
PageRankPageRank 的简化模型假设一共有 4 个网页 A、B、C、D。它们之间的链接信息如图所示：出链指的是链接出去的链接。入链指的是链接进来的链接。比如图中 A 有 2 个入链，3 个出链。简单来说，一个网页的影响力 = 所有入链集合的页面的加权影响力之和，用公式表示为：u 为待评估的页面，Bu 为页面 u 的入链集合。针对入链集合中的任意页面 v，它能给 u ...
2019-05-31 12:09:32
1082
原创 数据挖掘算法09 - Apriori
Apriori关联规则挖掘可以让我们从数据集中发现项与项（item 与 item）之间的关系，它在我们的生活中有很多应用场景，“购物篮分析”就是一个常见的场景，这个场景可以从消费者交易记录中发掘商品与商品之间的关联关系，进而通过商品捆绑销售或者相关推荐的方式带来更多的销售量。所以说，关联规则挖掘是个非常有用的技术。知识点搞懂关联规则中的几个重要概念：支持度、置信度、提升度；Aprio...
2019-05-31 12:08:46
1169
原创 数据挖掘算法08 - EM
EMEM 的英文是 Expectation Maximization，所以 EM 算法也叫最大期望算法。例子分菜抛硬币EM 聚类三步骤你能从这个例子中看到三个主要的步骤：初始化参数、观察预期、重新估计。首先是先给每个碟子初始化一些菜量，然后再观察预期，这两个步骤实际上就是期望步骤（Expectation）。如果结果存在偏差就需要重新估计参数，这个就是最大化步骤（Maximi...
2019-05-30 17:23:58
330
原创 数据挖掘算法07 - K-Means
K-MeansK-Means 算法原理，来看下这三个问题。如何确定 K 类的中心点？其中包括了初始的设置，以及中间迭代过程中中心点的计算。在初始设置中，会进行 n_init 次的选择，然后选择初始中心点效果最好的为初始值。在每次分类更新后，你都需要重新确认每一类的中心点，一般采用均值的方式进行确认。如何将其他点划分到 K 类中？这里实际上是关于距离的定义，我们知道距离有多种定义的方式，在 K...
2019-05-30 17:22:38
357
原创 数据挖掘算法06 - Adaboost
Adaboost今天我们学习 AdaBoost 算法。在数据挖掘中，分类算法可以说是核心算法，其中 AdaBoost 算法与随机森林算法一样都属于分类算法中的集成算法。集成算法的两种模式集成的含义就是集思广益，博取众长，当我们做决定的时候，我们先听取多个专家的意见，再做决定。集成算法通常有两种方式，分别是投票选举（bagging）和再学习（boosting）。投票选举的场景类似把专家召集...
2019-05-27 13:20:57
403
原创 数据挖掘算法05 - KNN
KNNKNN 的英文叫 K-Nearest Neighbor，应该算是数据挖掘算法中最简单的一种。KNN 的工作原理***近朱者赤，近墨者黑***可以说是 KNN 的工作原理。整个计算过程分为三步：计算待分类物体与其他物体之间的距离；统计距离最近的 K 个邻居；对于 K 个最近的邻居，它们属于哪个分类最多，待分类物体就属于哪一类。K 值如何选择如果 K 值比较小，就相当...
2019-05-27 13:20:03
341
原创 数据挖掘算法04 - SVM
SVMSVM 的英文叫 Support Vector Machine，中文名为支持向量机。它是常见的一种分类方法，在机器学习中，SVM 是有监督的学习模型。什么是有监督的学习模型呢？它指的是我们需要事先对数据打上分类标签，这样机器就知道这个数据属于哪个分类。同样无监督学习，就是数据没有被打上分类标签，这可能是因为我们不具备先验的知识，或者打标签的成本很高。所以我们需要机器代我们部分完成这个工...
2019-05-27 13:19:05
511
原创 数据挖掘算法03 - CART
CARTCART 算法另一种常见的决策树是 CART 算法（Classification and Regression Trees，分类与回归树）。这种算法和 ID3、C4.5 相比，主要有两处不同：在分类时，CART 不再采用信息增益或信息增益率，而是采用基尼指数（Gini）来选择最好的特征并进行数据的划分；在 ID3 和 C4.5 决策树中，算法根据特征的属性值划分数据，可能会划...
2019-05-26 20:04:27
932
原创 数据挖掘算法02 - C4.5
C4.5决策树学习通常包括三个步骤特征选择。选取最优特征来划分特征空间，用信息增益或者信息增益比来选择决策树的生成。ID3、C4.5、CART剪枝什么是信息熵？随机变量x概率P(x) 表示 x 出现的概率信息量H(x)=−log(P(x))信息量是信息论中的一个度量，简单来说就是，当我们观察到某个随机变量的具体值时，接收到了多少信息。而我们接收到的...
2019-05-26 20:04:09
1162
原创 数据挖掘算法01 - NB
Naive Bayes概率和统计里有哪些需要掌握的概念？随机变量（Random Variable）来描述事件所有可能出现的状态离散型随机变量（Discrete Random Variable）连续型随机变量（Continuous Random Variable）概率分布（Probability Distribution）来描述每个状态出现的可能性联合概率（Joint Probab...
2019-05-26 20:03:47
553
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人