zlg358outlook的博客

目录目录1数据合并及类型转换2数组运算3线性代数运算4注意区别脚注1、数据合并及类型转换# 数据合并拼接np.hstack([arr1, arr2]) # 横向合并，必须保证两数组行数相等等价于：np.column_stack([arr1,arr2])np.vstack([arr1, arr2]) # 纵向拼接，必须保证两数组列数相等等价于：np.row_stack([arr1,

目录目录1python3两种编码类型2图解py3一切编码问题3实例网络爬取数据写入到txt问题就到这里1、python3两种编码类型记住：在python3中只有两种字符格式，**str类型和bytes类型**。str类型：即常见的str字符，py3中默认所有的字符串都为Unicode编码格式；bytes类型：即字节字符，除过unicode格式的字符串外，其他都为bytes类型。>>>a

采用python爬取“天气网”指定时间段及地区的天气预报数据，并将爬取到的数据按顺序写入到本地EXCEL文件中。

代码写了好久了，今天搬上来。 Apriori算法介绍： Apriori其实是为了降低搜索空间以及提高搜索速度而设计的一种算法，本文采用python实现，彻底理解“频繁项集的所有非空子集一定是频繁的”这句话，并实现连接步、剪枝步、规则生成、提升度计算等。 本节代码参考了《机器学习实战》第十一章中的代码，也参考了R语言的arules包，该包没有实现一对多的规则，因此，在以上

映射：将低维空间映射到高维空间中进行问题求解；核函数：高维空间中有解（线性可分），在低维空间中进行计算；在计算的时候，它可以让x和z不用通过H()映射到高维空间再计算内积，而是直接在低维空间里计算了。核函数的作用到底是什么？--享受高维空间视野，在低维空间进行操作（内积）。在这个例子中，核函数在低维计算的结果完全等价于原问题：两个变量高维映射后的内积。这么一来，就避开了直接在高维空间中进行计算。...

目录1、概念：2、理解：2.1 判断是否为DAG2.2 出度与入度2.3 拓扑排序3、应用：1、概念：有向无环图（DAG）：在有向图中，如果存在从一个顶点出发，经过若干条边无法回到该点，则称该图为有向无环图。2、理解：2.1 判断是否为DAG关键：判断有向图中是否存在有向环。1）进行拓扑排序，如果能完成排序，则无环，否则有环；2）深度...

需求背景：当前服务器上部署了多个服务，由于某些服务计算量逐渐增大，导致该服务器负荷过大，需要将某些比较耗资源的服务迁移到其他服务器上，且不能改变原先接口的调用方式，实现切换对下游用户无感知。实现思路：在当前服务器上搭建Nginx服务，监听被访问的接口，并将该接口分发到其他服务器上，实现访问和计算分离，将具体的计算任务迁移到高性能机器上。监听多个端口服务，并依据一定的规则转发到...