Python - 随笔分类(第2页) - chamie

【Python爬虫实战--3】html写正则表达式

摘要：以下是要爬虫的html内容：本宫不服这是镇上一条偏僻路上的一家小饭馆，老板是一对老夫妻，开店几十年了，每次中午路过都要在这吃，满满的实惠。虽然饭店看着挺破败，但菜什么都很干净，因为挺偏的路上，人流较少，菜备的不多，有的菜都现洗。最重要的是价格，特实惠，在镇上其它饭店吃饭，鸡，鱼，价格18元，素菜8元... 阅读全文

posted @ 2015-10-23 20:53 chamie 阅读(6586) 评论(1) 推荐(0) 编辑

【Python爬虫实战--2】时间戳转换为指定格式日期

摘要：摘自：http://www.2cto.com/kf/201406/311477.html（1）方法：方法一: 利用localtime()转换为时间数组,然后格式化为需要的格式,如 timeStamp = 1381419600 timeArray = time... 阅读全文

posted @ 2015-10-23 14:54 chamie 阅读(734) 评论(0) 推荐(0) 编辑

【Machine Learning in Action --5】逻辑回归（LogisticRegression）从疝气病预测病马的死亡率

摘要：背景：使用Logistic回归来预测患有疝气病的马的存活问题，这里的数据包括368个样本和28个特征，疝气病是描述马胃肠痛的术语，然而，这种病并不一定源自马的胃肠问题，其他问题也可能引发疝气病，该数据集中包含了医院检测马疝气病的一些指标，有的指标比较主观，有的指标难以测量，例如马的疼痛级别。另外，除... 阅读全文

posted @ 2015-10-13 22:43 chamie 阅读(3727) 评论(0) 推荐(0) 编辑

【Machine Learning in Action --5】逻辑回归（LogisticRegression）

摘要：1、概述 Logistic regression（逻辑回归）是当前业界比较常用的机器学习方法，用于估计某种事物的可能性。在经典之作《数学之美》中也看到了它用于广告预测，也就是根据某广告被用户点击的可能性，把最可能被用户点击的广告摆在用户能看到的地方，然后叫他“你点我啊！”用户点了，你就有钱收... 阅读全文

posted @ 2015-10-13 15:16 chamie 阅读(3546) 评论(3) 推荐(1) 编辑

矩阵的维数

摘要：向量的维数是指向量分量的个数，比如 (1,2,3,4)' 是一个4维向量矩阵的维数是指它的行数与列数,比如1 2 34 5 6它的维数是 2*3，在数学中,矩阵的维数就是矩阵的秩空间的维数是指它的基所含向量的个数，比如 V = {(x1,x2,0,0)' | x1,x2 为实数}，(1,0,0,0)... 阅读全文

posted @ 2015-10-11 21:36 chamie 阅读(6125) 评论(0) 推荐(0) 编辑

python中的矩阵运算

摘要：摘自：http://m.blog.csdn.net/blog/taxueguilai1992/46581861python的numpy库提供矩阵运算的功能，因此我们在需要矩阵运算的时候，需要导入numpy的包。1.numpy的导入和使用from numpy import *;#导入numpy的库函数... 阅读全文

posted @ 2015-10-11 21:20 chamie 阅读(183459) 评论(1) 推荐(9) 编辑

【python问题系列--4】ValueError: operands could not be broadcast together with shapes (100,3) (3,1)

摘要：背景：dataMatrix是(100,3)的列表，labelMat是(1，100)的列表，weights是(3,1)的数组，属性如下代码所示：>>> import types>>> type(dataMatrix)>>> type(labelMat)>>> type(weights)我的代码：>>>... 阅读全文

posted @ 2015-10-09 22:51 chamie 阅读(33897) 评论(0) 推荐(0) 编辑

【Machine Learning in Action --4】朴素贝叶斯从个人广告中获取区域倾向

摘要：背景：广告商往往想知道关于一个人的一些特定人口统计信息，以便能更好地定向推销广告。我们将分别从美国的两个城市中选取一些人，通过分析这些人发布的信息，来比较这两个城市的人们在广告用词上是否不同。如果结论确实不同，那么他们各自常用的词是那些，从人们的用词当中，我们能否对不同城市的人所关心的内容有所了解。... 阅读全文

posted @ 2015-10-07 22:38 chamie 阅读(1058) 评论(0) 推荐(0) 编辑

【Machine Learning in Action --4】朴素贝叶斯电子邮件垃圾过滤

摘要：摘要：这里用的是词袋模型，即一个词在文档中出现不止一次，每个单词可以出现多次。1、准备数据：切分文本前一节过滤网站恶意留言中词向量是给定的，下面介绍如何从文本文档中构建自己的词列表先举例说明，在python提示符下输入：>>> mySent='This book is the best book o... 阅读全文

posted @ 2015-10-07 20:07 chamie 阅读(1394) 评论(3) 推荐(0) 编辑

【Machine Learning in Action --4】朴素贝叶斯过滤网站的恶意留言

摘要：背景：以在线社区的留言板为例，为了不影响社区的发展，我们需要屏蔽侮辱性的言论，所以要构建一个快速过滤器，如果某条留言使用了负面或者侮辱性的语言，那么就将该留言标识为内容不当。过滤这类内容是一个很常见的需求，对此问题建立两个类别：侮辱类和非侮辱类，使用0和1分别表示。接下来首先给出将文本转换为数字向量... 阅读全文

posted @ 2015-10-07 11:15 chamie 阅读(724) 评论(0) 推荐(0) 编辑

【Machine Learning in Action --4】朴素贝叶斯分类

摘要：1、概述朴素贝叶斯分类是贝叶斯分类器的一种，贝叶斯分类算法是统计学的一种分类方法，利用概率统计知识进行分类，其分类原理就是利用贝叶斯公式根据某对象的先验概率计算出其后验概率（即该对象属于某一类的概率），然后选择具有最大后验概率的类作为该对象所属的类。总的来说：当样本特征个数较多或者特征之间相关性较... 阅读全文

posted @ 2015-10-06 22:41 chamie 阅读(351) 评论(0) 推荐(0) 编辑

【python问题系列--3】TypeError: 'builtin_function_or_method' object has no attribute '__getitem__'

摘要：p0V,p1V,pSpam=trainNBO(array[trainMat],array(trainClasses))改为：p0V,p1V,pSpam=trainNBO(array(trainMat]),array(trainClasses)) 阅读全文

posted @ 2015-10-06 21:13 chamie 阅读(4383) 评论(0) 推荐(0) 编辑

python多行注释

摘要：单行的注释：#多行注释：三个单引号和三个双引号都可以1 '''2 代码3 '''4 5 """6 代码7 """ 阅读全文

posted @ 2015-10-06 14:49 chamie 阅读(516) 评论(0) 推荐(0) 编辑

python--zeros函数和ones函数

摘要：使用numpy.zeros，numpy.ones，numpy.eye等方法可以构造特定的矩阵例如：代码如下:>>>from numpy import *>>> a=zeros((3,4))>>> aarray([[ 0., 0., 0., 0.], [ 0., 0., 0., ... 阅读全文

posted @ 2015-10-05 17:49 chamie 阅读(19717) 评论(0) 推荐(1) 编辑

【python问题系列--2】脚本运行出现语法错误：IndentationError: unindent does not match any outer indentation level

摘要：缩进错误，此错误，最常见的原因是行之间没有对齐。参考：http://www.crifan.com/python_syntax_error_indentationerror/comment-page-1/ 阅读全文

posted @ 2015-10-03 21:21 chamie 阅读(287) 评论(0) 推荐(0) 编辑

【Machine Learning in Action --3】决策树ID3算法预测隐形眼睛类型

摘要：本节讲解如何预测患者需要佩戴的隐形眼镜类型。1、使用决策树预测隐形眼镜类型的一般流程（1）收集数据：提供的文本文件（数据来源于UCI数据库）（2）准备数据：解析tab键分隔的数据行（3）分析数据：快速检查数据，确保正确地解析数据内容，使用createPlot()函数绘制最终的树形图（4）训练算法：c... 阅读全文

posted @ 2015-09-29 23:08 chamie 阅读(811) 评论(0) 推荐(0) 编辑

python--sum函数--sum(axis=1)

摘要：平时用的sum应该是默认的axis=0 就是普通的相加，当加入axis=1以后就是将一个矩阵的每一行向量相加。例如：1 >>>import numpy as np3 >>>np.sum([[0,1,2],[2,1,3],axis=1)5 array（[3,6]）1 c = np.array([[0,... 阅读全文

posted @ 2015-09-29 21:18 chamie 阅读(6510) 评论(0) 推荐(0) 编辑

Python使用shape计算矩阵的行和列

摘要：shape函数是numpy.core.fromnumeric中的函数，它的功能是读取矩阵的长度。1 >>> a=mat([[1,2,3],[5,6,9]]);2 >>> a3 matrix([[1, 2, 3],4 [5, 6, 9]])5 >>> shape(a)[0]6 27 >... 阅读全文

posted @ 2015-09-29 20:48 chamie 阅读(2383) 评论(0) 推荐(0) 编辑

python--tile函数

摘要：1.函数的定义与说明tile函数位于python模块numpy.lib.shape_base中，功能是重复某个数组。比如tile(A,n)，功能是将数组A重复n次，构成一个新的数组。2.函数操作示例（1）先来引入numpy下的所有方法（2）我们创建一个a，如图下图，使用tile来创建b，注意看b的数... 阅读全文

posted @ 2015-09-29 20:16 chamie 阅读(661) 评论(0) 推荐(0) 编辑

【Machine Learning in Action --3】决策树ID3算法

摘要：1、简单概念描述决策树的类型有很多，有CART、ID3和C4.5等，其中CART是基于基尼不纯度(Gini)的，这里不做详解，而ID3和C4.5都是基于信息熵的，它们两个得到的结果都是一样的，本次定义主要针对ID3算法。下面我们介绍信息熵的定义。 p(ai)：事件ai发生的概率 I(ai)=... 阅读全文

posted @ 2015-09-28 18:01 chamie 阅读(621) 评论(0) 推荐(0) 编辑

搜索

常用链接

我的标签

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论

随笔分类 - Python