2017年11月_沐婉清

原创 Udacity监督学习——决策树

分类任务回归任务分类任务和回归任务的不同，不在于输入，而在于输出分类（Classification）：输出来自（小的）离散集回归（Regression）：输出来自连续值分类学习实例（input）：值和属性的向量输入概念：描述一个事物集合的东西。世界上物体之间的映射，以及一个集合中的成员关系。目标概念：实际的答案假设类（Hypythsis Cl

2017-11-30 16:52:48 581

原创 numpy库矩阵信息的获取（最大值最小值、平均值、中值、方差标准差、求和）

最大值、最小值获得整个矩阵、行或列的最大最小值。获得元素最大值的函数：max获得元素最小值的函数：min示例代码：import numpy as npa = np.array([[1,2,3],[4,5,6]])print(a.max()) #获取整个矩阵的最大值结果： 6print(a.min()) #结果：1# 可以指定关键字参数axis来获得行最大（小）值或列最大（小）值# a

2017-11-29 13:50:12 87260 3

原创 Python 中zip()

语法：zip([iterable, ...]) iterable——一个或多个迭代器实例：>>>a = [1,2,3]>>> b = [4,5,6]>>> c = [4,5,6,7,8]>>> zipped = zip(a,b) # 打包为元组的列表[(1, 4), (2, 5), (3, 6)]>>> zip(a,c) # 元素个数与最短的列表一

2017-11-28 10:00:52 434 4

原创优达（Udacity）-机器学习基础-误差原因

误差原因模型预测中，模型可能出现的误差来自两个主要来源：因模型无法表示基本数据的复杂度而造成的偏差（bias）数据足够，模型不够复杂（过度简化），欠拟合因模型对训练它所用的有限数据过度敏感而造成的方差（variance）。预测结果对于任何给定的测试样本会出现多大的变化对训练集高度敏感——过拟合（overfitting）可通过更多的数据进行训练，以降低模型预测结果的

2017-11-27 17:47:46 579

原创 sklearn 精确率、召回率

精确率sklearn.metrics.precision_score(y_true, y_pred, labels=None, pos_label=1, average=’binary’, sample_weight=None)[source]Examples>>> from sklearn.metrics import precision_score>>> y_true = [0, 1, 2

2017-11-27 14:26:59 9384 1

原创 python Enumerate( )方法

Enumerate( )允许我们对一个东西进行遍历并且自动获取一个计数器用法：for counter, value in enumerate(some_list): print(counter, value)更多：他有一个可选参数令这个方法更加有用my_list = ['apple', 'banana', 'grapes', 'pear']for c, value in enum

2017-11-27 14:01:55 456

原创 numpy 构建一个全为零的数组 zeros()方法

python构建指定长度全为零的数组numpy.zeros( )语法：numpy.zeros(shape, dtype=float, order='C') 返回一个指定类型和格式的数组的全为0的数组示例：指定长度的一维数组>>> np.zeros(5)array([ 0., 0., 0., 0., 0.])指定数据类型，指定长度的一维数组>>> np.zeros((5), d

2017-11-27 11:43:21 71427

原创 jQuery向某个元素中添加元素

写网页的时候，需要读取后端数据然后作为一个元素写进前端页面，所以就用了jQuery来完成这个功能。添加新的 HTML 内容用于添加新内容的四个 jQuery 方法：append() - 在被选元素的结尾插入内容prepend() - 在被选元素的开头插入内容after() - 在被选元素之后插入内容before() - 在被选元素之前插入内容这里我使用的是通过append（）向框架的

2017-11-27 09:13:32 7559

原创优达（Udacity）-机器学习基础-评估指标

评估指标由要解决的问题选择性能指标，然后测试模型表现。准确度：某特定类别中我们正确标记并正确识别为此类别的项目或数据点的数量，除以该类别中全部项目或数据点的数量。准确度的缺陷准确度会在出现偏斜类时出现问题有时你宁可猜测某人是无辜的以免被误关进监狱有时你宁可假设某人是有罪的再进行排除混淆矩阵左边矩阵上方是实际分类，左方是预测的分类。决策树混淆矩阵召回率（Recall）

2017-11-27 09:04:51 720

原创优达（Udacity）-机器学习基础-交叉验证

交叉验证（Cross-validation）在sklearn中训练/测试分离sklearn链接：http://scikit-learn.org/stable/modules/cross_validation.html让我们加载数据集以适应线性svm：>>> import numpy as np>>> from sklearn.model_selection import train_test_

2017-11-24 16:55:37 526

原创 Python 数组指令

往数组中添加元素可以通过append方法在列表的末尾添加单个元素x = [1,2,3]x.append(4)或者使用extend方法在列表末位添加多个元素，参数就变成了列表x.append([4,5,6])或者使用insert方法在任意位置添加元素，第一个参数是插入元素的位置，第二个参数是插入元素的值x.insert(0,-1)删除使用del关键字删除指定位置的元素input =

2017-11-24 14:56:19 648

原创优达（Udacity）-机器学习基础-异常值

回归中的异常值选出下面的最好的线性回归（考虑到异常值，并假设线性回归将最小平方误差减到最低）答案：这一条线会获得最小的平方误差，可以看到异常值对预测的影响是很大的。产生异常的原因第三种情况是不会考虑的前两种情况是应该被忽略的异常值最后一点是应该被重视的异常值（如金融诈骗）选择异常值第二行第一个存在争议= =其实我认为他不属于异常值但是老师说，这里可能是双重错误——标签分类也错了

2017-11-24 11:49:33 805

原创优达（Udacity）-机器学习基础-回归

from sklearn.linear_model import LinearRegressionreg = LinearRegerssion()reg.fit(ages_train , net_worths_train)print "Katie's net worth prediction: ", reg.predict([27])print "slope:", reg.coef_prin

2017-11-24 09:36:28 1027

原创优达（Udacity）-机器学习基础-数据集与问题（安然数据集）

写在前面： python2对于中文的处理能力很弱，所以使用中文注解的时候会报错解决方案：在.py文件前加编码注释, 选用utf-8编码即可使用中文.# -*- coding: utf-8 -*-附上用到的一些python方法:dict.items( ) Python 字典(Dictionary) items() 函数以列表返回可遍历的(键, 值) 元组数组。实例：#!/usr/b

2017-11-23 16:37:12 2720 2

原创 Myeclipse 6.5 在线破解方法

现在网上有很多可以给Myeclipse 6.5在线生成注册码的网站，随便搜一下就能赵铎，或者可以使用以下网址： http://www.sojson.com/myeclipse8.5/ 输入名字，会自动生成注册码打开myeclipse 6.5, 在菜单栏点击 MyEclipse -> Subscription Information,然后输入刚才的账号和注册码激活即可

2017-11-21 09:53:00 4448

原创 Anaconda环境管理

包管理conda install numpy scipy pandasconda remove numpyconda list创建环境，在需要环境的目录下创建conda create -n env_name python=3conda create -n env_name python=2conda create -n env_name numpy scipy激活和退出环境acti

2017-11-18 16:28:13 571

原创 WIN10 下 VS CODE 更新后拓展宿主意外终止问题解决方法（终极解决办法）

自某次vsc更新后…每次一更新打开就会报这个错拓展宿主意外终止（按照他的提示重载重装都是不好用的啊喂~）烦不胜烦。在网上找了大量资料以后找到了一个解决方法，删除git，这样就不会报错了。但是这样做一是只能解一时之急，每次更新又要重新改一次。二是~git功能就不能用了~大部分用vsc的程序猿们其实还是需要这个功能哒~所以这次我带来了终极解决方案：不要用中文的用户名【严肃脸】不要用中文的用户名【很重

2017-11-18 16:23:16 9384 6

原创 Udacity机器学习入门笔记——Random Forest

机器学习入门第五节课，三个算法自选一个，这里我先选择了Random Forest参数调整链接： http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.htmlRandomForestClassifier(n_estimators=10, criterion=’gini’, m

2017-11-15 14:59:32 547

原创 Udacity机器学习入门笔记——决策树（Decision Tree）

决策树原理：使用计算机算法根据数据自动找出决策边界参考下图：决策树的python代码（sklearn）链接：http://scikit-learn.org/stable/modules/tree.html >>> from sklearn import tree>>> X = [[0, 0], [1, 1]]>>> Y = [0, 1]>>> clf = tree.DecisionTreeC

2017-11-15 11:16:44 685

原创 Udacity机器学习入门笔记——朴素贝叶斯

这里比较简单就不多说了，主要记一下使用的代码吧GaussianNB（高斯朴素贝叶斯）链接： http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.GaussianNB.html>>> import numpy as np>>> X = np.array([[-1, -1], [-2, -1], [-3, -2],

2017-11-13 19:44:12 569

原创 Udacity机器学习入门笔记——支持向量机（SVM）

原则对他涉及的分类均最大化了最近点的距离——Margin那么下面这个图应该是哪条线呢？应该是下方的线诚然，上方的线分割的更好，但是它犯了分类方面的错误支持向量机总是将正确分类标签作为第一考虑要素，然后再对间隔进行最大化如果我们不关注分类正确，那么会得到很多比这两个线更能使间隔最大化的线~ 比方说在无穷远处~ 所以对于支持向量机，你必须尽力保证分类正确。在此前提下，对间隔进行

2017-11-13 17:05:13 673

原创团队合作网页开发问题记录-Material Design Lite框架试水

最近在做一个项目，用的是Material Design的风格，我主要负责写Web端的前端部分，写的过程中遇到了很多很“匪夷所思”的问题，在这篇文章中记录下来，留个纪念~因为第一次用Material Design Lite的框架，没有找到像bootstrap那么详细的使用教程，所以在应用过程中基本是摸着石头过河~看官网说明一部分自己猜一部分~出现的问题简直…介绍一下整体情况，我使用的是flex布局，仿

2017-11-03 15:38:21 540

原创从github上使用GIT命令将代码下载到本地

在开源github上很多时候会看到非常感兴趣的项目，或者是大家协同在github上进行开发，此时会需要将github上的代码（等）下载到本地。基本前提是安装了git。首先创建一个空的文件夹，然后进入该目录，右键选择git bush 先使用init命令初始化然后使用命令 clone url即可此处的url是你想下载的项目在github上提供的url，位置如图：关于在本地写好代码后如何上

2017-11-02 10:30:44 2387

沐沐