Python技术分享

机器学习入门-最简单的线性学习

2

拼命三郎 发布于 2017-09-08

文章目录 [ 隐藏 ] 线性可分与线性不可分最简单的线性分类器——决策树桩 监督学习多用来解决分类问题,输入的数据由特征和标签两部分构成。我们由浅入深地介绍一些经典的有监督的机器学习算法。 这里介绍一些比较简单容易理解的处理线性分类问题的算法。 线性可分与线性不可分 首先,什么是...

阅读(853)评论(0)赞 (3)

机器学习入门 – 基础知识扫盲

1

拼命三郎 发布于 2017-09-07

文章目录 [ 隐藏 ] 什么是机器学习 什么是机器学习 所谓的机器学习,就是通过算法可以让机器基于数据进行自调整来完成相应的任务。 这些数据一般可以分为两部分:特征和标签。 特征指用于描述相关物体或事件的数据,例如描述一个人的身高,体重,血压上线,血压下线等。 标签指对目标物体的...

阅读(775)评论(0)赞 (5)

Python 数据挖掘 工具包整理

拼命三郎 发布于 2017-09-05

文章目录 [ 隐藏 ] 连接器与io统计类文本基本操作 连接器与io 数据库 类别 Python R MySQL mysql-connector-python(官方) RMySQL Oracle cx_Oracle ROracle MongoDB pymongo RMongo, ...

阅读(677)评论(0)赞 (2)

那些你不知道的爬虫反爬虫套路

拼命三郎 发布于 2017-07-14

文章目录 [ 隐藏 ] 前言一、爬虫反爬虫运行现状二、爬虫反爬虫技术现状三、爬虫反爬虫套路现状四、爬虫反爬虫的未来 前言 爬虫与反爬虫,是一个很不阳光的行业。 这里说的不阳光,有两个含义。 第一是,这个行业是隐藏在地下的,一般很少被曝光出来。很多公司对外都不会宣称自己有爬虫团队,...

阅读(776)评论(0)赞 (7)

python3已经发布很久了,还有必要学习python2吗?

拼命三郎 发布于 2017-06-23

其实不管学习Python2还是Python3都不是最重要的,因为学会其中一个,转另一个都会很容易,因为程序的原理都是一样的。所以我们要学习Python3,还是Python2,要看我们工作需要而定,如果实在不知道该学什么的话,那就学Python3吧,因为新的东西替代就得是必然的结果...

阅读(570)评论(0)赞 (0)

python怎么读取和写入xml

拼命三郎 发布于 2017-06-22

文章目录 [ 隐藏 ] Python创建XMLPython读取XML Python创建XML 创建XML需要使用minidom的xml模块,具体代码如下: [crayon-5ae202f808f23148139496/] 运行结果,生成的XML如下: Python读取XML >>...

阅读(490)评论(0)赞 (0)

Python3.x和Python2.x的区别

拼命三郎 发布于 2017-06-12

文章目录 [ 隐藏 ] 1.性能 2.编码 3. 语法 4. 字符串和字节串 5.数据类型 6.面向对象 7.异常 8.模块变动 9.其它 许多 Python 初学者想知道他们应该从 Python 的哪个版本开始学习。对于这个问题我的答案是学最新的版本,因为这是趋势。好了,我们来...

阅读(597)评论(0)赞 (1)

用Python实现K近邻算法

拼命三郎 发布于 2017-06-08

文章目录 [ 隐藏 ] 使用测量值对鸢尾花分类 K近邻算法简介 什么是K近邻算法 K近邻算法简称kNN,kNN算法的模型就是整个训练数据集。当需要对一个未知数据实例进行预测时,kNN算法会在训练数据集中搜寻k个最相似实例。对k个最相似实例的属性进行归纳,将其作为对未知实例的预测。...

阅读(605)评论(0)赞 (2)

Python处理Html的转义字符

拼命三郎 发布于 2017-05-29

文章目录 [ 隐藏 ] Python处理HTML转义字符 Python处理HTML转义字符 我们从网页中抓取到的数据经常会带有一些特殊字符,如 [crayon-5ae202f809fd9491600217/] 可以通过HTMLParser对获取到的本文进行转义: [crayon-...

阅读(1356)评论(6)赞 (1)

HTTP Header 详解

拼命三郎 发布于 2017-05-22

文章目录 [ 隐藏 ] HTTP header简介Requests部分 HTTP header简介 HTTP(HyperTextTransferProtocol)即超文本传输协议,目前网页传输的的通用协议。HTTP协议采用了请求/响应模型,浏览器或其他客户端发出请求,服务器给与响...

阅读(430)评论(0)赞 (0)