10 2019 档案
摘要：1. ORM已经的学过的内容： 1. Django项目如何使用ORM连接MySQL 1. 手动创建数据库 2. 在settings.py里面配置一下数据库的连接信息（告诉Django连接哪一个数据库） DATABASES = { 'default': { 'ENGINE': 'django.db.backends.mysql', # 连接数据库的类型 'NAME': 'day62xiawu', #
阅读全文
摘要：1.朴素贝叶斯算法不需要调参，训练集误差大，结果肯定不好。 2.朴素贝叶斯分类优缺点 优点： 朴素贝叶斯模型发源于古典数学理论，有稳定的分类效率。 对缺失数据不太敏感，算法也比较简单。 常用于文本分类， 分类准确度高，速度快。 缺点： 需要知道先验概率P(F1,F2,…|C)，因此在某些时候会由于假
阅读全文
摘要：1.模型的选择与调优： 1、交叉验证（增强准确率） ；2、网格搜索（自动给算法进行调参）； 2.交叉验证：为了让被评估的模型更加准确可信； 3.交叉验证过程： 交叉验证：将拿到的数据，分为训练和验证集。 以下图为例：将数据分成5份，其中一份作为验证集。然后经过5次(组)的测试，每次都更换不同的验证集
阅读全文
摘要：1.分类模型的评估： estimator.score()：一般最常见使用的是准确率，即预测结果正确的百分比。 2.混淆矩阵： 在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)。 3.精确率和
阅读全文
摘要：1.案例： sklearn20类新闻分类； 20个新闻组数据集包含20个主题的18000个新闻组帖子； 2.朴素贝叶斯案例流程： 1、加载20类新闻数据，并进行分割 2、生成文章特征词 3、朴素贝叶斯estimator流程进行预估 3.代码实现： x_test的结果为：
阅读全文
摘要：1.概率基础： 联合概率:包含多个条件，并且所有条件同时成立的概率。P(A,B)=P(A)*P(B); 条件概率:在事件B发生的条件下，事件A发生的概率。P(A|B)=P(AB)/P(B)=P(B|A)P(A)/P(B); 条件概率的特性：当AB相互独立时，P(A1,A2|B)=P(A1|B)P(A
阅读全文
摘要：推荐Bootstrap学习网站：https://v3.bootcss.com/css/ 1.导入Bootstrap.css(开发板3.3.7) 2.还要Bootstrap.js，并且还要引入jQuery(3.3.1) 3.栅格系统 1.container,row必须包含在container中。 2.
阅读全文
摘要：1.k近邻算法属于分类算法 2.你的“邻居”来推断出你的类别 3.标准定义：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 4.计算距离公式： 比如说，a(a1,a2,a3),b(b1,b2,b3)，不一定非要是三维的哦！ 5.sk
阅读全文
摘要：each: 不使用for循环答应jQuery对象，使用each： 退出整个each循环： 退出一次each循环： data:
阅读全文
摘要：1. 目前为止学过的绑定事件的方式 1. 在标签里面写 onclick=foo(this); 2. 原生DOM的JS绑定 DOM对象.onclick=function(){...} 3. jQuery版的绑定事件 jQuery对象.click(function(){...}) 2. 我们今后要用的j
阅读全文
摘要：1. 案例:在ul中添加li标签。 append在最后添加 prepend在最前面添加 对表格添加和删除
阅读全文
摘要：1.案例需求：点击登录按钮验证用户名和密码都不为空，为空就在对应的input标签下面显示一个错误的提示信息。 1.给登录的按钮绑定点击事件 2.点击事件要做的事情 1.找到input标签、取值、判断是否为空、length是否为0 2.如果不为空，则什么都不做 3.如果为空，要做几件事情 1.在当前这
阅读全文
摘要：<div id="d1"> <p><span>span</span></p> <div>div</div> </div> <script src="../jquery-3.2.1.min.js"></script> <form action=""> <p> <label>用户名: <input name="username" type="text
阅读全文
摘要：案例：本次大赛的目的是预测一个人想签入到哪个地方。对于本次比赛的目的，Facebook的创建一 个人造的世界，包括位于10公里的10平方公里超过10万米的地方。对于一个给定的坐标，你的任务是返回最有可能的地方的排名列表。数据制作出类似于来自移动设备的位置的信号，给你需要什么与不准确的，嘈杂的价值观复
阅读全文
摘要：1.转换器： fit_transform():输入数据直接转换。 fit():输入数据，进行一些计算，算平均值、方差等，不进行数据的转换。 transform():根据fit得出的平均值、方差，来处理新的数据。 因此，如果fit_transform与fit的数据不一样，那么transform数据结果
阅读全文
摘要：1.数据集是如何划分？训练数据和评估数据不能使用相同数据，不然自己测自己，会使得准确率虚高，在遇到陌生数据时，不够准确。 2.数据集的获取： 通过load或者fetch方法。 3.数据集进行分割： 训练集的数据分为特征值和目标值，测试集的数据也分为特征值和目标值，训练集中的x_test、测试集中的y
阅读全文
摘要：1.下面的筛选都是非常常用的 注意：不要忘记引入jQuery的包 父亲： 兄弟和儿子 根据样式去找标签 案例：变色，点击div让div变色
阅读全文
摘要：0. HTML对象和jQuery对象的区别： 1.jQuery对象转换成DOM对象，用索引取出具体的标签 2.DOM对象转换成jQuery对象，$(DOM对象) 注意：jQuery对象保存到变量的时候，变量名要加$前缀 1.基本筛选器： <!--筛选器--> <ul> <li>1</li> <li>
阅读全文
摘要：1.为什么要学习jQuery？做同样的事情，jQuery写起来极其简练（write less ， do more） 2.jQuery是什么？jQuery相当于Python的第三方模块，原生JS DOM是基础。 3.jQuery学习的内容 1.改变标签 2.改变标签的属性 3.改变标签的样式 4.事件
阅读全文
摘要：1.常用事件 1.onclick 单击 应用场景：为按钮绑定 2.ondbclick 双击 3.onfocus 获得焦点 4.onblur 失去焦点 应用场景：用于表单验证,用户离开某个输入框时,代表已经输入完了,我们可以对它进行验证. 5.onchange 域的内容被改变 应用场景：通常用于表单元
阅读全文
摘要：DOM：暂时可以理解为找标签、改样式 1.BOM: 记住location这个就可以： location.href 获得当前页面的URL location.href = "URL" 跳转到指定的页面 location.reload 重新加载页面 2.JS操作DOM： 1.找标签： 1.基本查找： 1.
阅读全文
摘要：案例： 探究：用户对物品类别的喜好细分降维。 背景：把用户分成几个类别，分类的依据是用户购买了哪些物品。 先看商品products.csv数据，有product_id,product_name,aisle_id,department_id 接着看订单order_products.csv,有order
阅读全文
摘要：1.sklearn降维API：sklearn. decomposition 2.PCA是什么：主成分分析 本质：PCA是一种分析、简化数据集的技术。 目的：是数据维数压缩，尽可能降低原数据的维数（复杂度），损失少量信息。 作用：可以削减回归分析或者聚类分析中特征的数量。 当特征达到上百的时候，考虑是
阅读全文
摘要：1.这里的维度是指特征的数量，不是数组中的维度。 2.特征选择原因： 冗余：部分特征的相关度高，容易消耗计算性能。 噪声：部分特征对预测结果有负影响。 3.特征选择的定义: 特征选择就是单纯地从提取到的所有特征中选择部分特征作为训练集特征， 特征在选择前和选择后可以改变值、也不改变值，但是选择后的特
阅读全文
摘要：1. BOM 1. location相关 1. location.href 2. location.href="http://www.sogo.com" 3. location.reload() 2. DOM 1. DOM树的概念 2. JS通过DOM操作HTML 1. 改标签(标签的内容) 2.
阅读全文
摘要：案例1：单层for循环 案例2：双层for循环 注：forloop.parentloop 表示双层循环的外层 案例：for-empty循环 注：如果in 后面的变量中没有数据，则执行empty中语句。 案例：if-else分支语句 注：if条件和filter配合使用 案例：如果变量名字太长，可以用w
阅读全文
摘要：1.自定义filter： 1.在app01下面新建一个templatetags的python package包。 如果没有app01的话，可以通过命令行在manage中进行创建：python manage.py startapp app01 2.然后在templatetags下面新建一个python
阅读全文
摘要：1.其他常用的模板语言： 通过模板语言可以让前端页面显示数据，数据可以是基本数据类型，也可以是对象亦或者对象的列表，结合着模板中的for、if等配合使用。 要注意前端页面中，出现没有后端数据的情况，随便写了一个变量，结果在前端页面中不会显示。 怎么让这个随便的变量不随便捏，可以使用defalut默认
阅读全文
摘要：1.Django的模板语言(简而言之，字符串替换） 1.目前为止已经学过的模板语言： 1.{{ name }} >变量 2. for 循环： {% for i in book_list %} {{ forloop.counter }} {{ forloop.last }} {{ i }} {% en
阅读全文
摘要：了解即可： 1、MVC，全名是Model View Controller，是软件工程中的一种软件架构模式，把软件系统分为三个基本部分：模型(Model)、视图(View)和控制器(Controller)，具有耦合性低、重用性高、生命周期成本低等优点。
阅读全文
摘要：1.缺失值处理一般使用Python数据分析中的pandas。 2.sklearn中的缺失值处理了解一下吧。 3.Imputer流程： 1.初始化Imputer,指定”缺失值”，指定填补策略，指定行或列。 2.注：缺失值也可以是别的指定要替换的值。 3.调用fit_transform 4.关于np.n
阅读全文
摘要：1.标准化特点：通过对原始数据进行变换把数据变换到均值为0,方差为1范围内。 对数据进行缩放首先想到标准化！！！ 2.公式： 注：公式作用于每一列，mean为平均值，σ为标准差 其中：方差考量数据的稳定性 3.结合归一化来理解标准化 4.用法： sklearn特征化API: scikit-learn
阅读全文
摘要：案例： 相亲约会对象数据，这个样本时男士的数据，三个特征，玩游戏所消耗时间的 百分比、每年获得的飞行常客里程数、每周消费的冰淇淋公升数。然后有一个 所属类别，被女士评价的三个类别，不喜欢didnt、魅力一般small、极具魅力large 也许也就是说飞行里程数对于结算结果或者说相亲结果影响较大，但是
阅读全文
摘要：1.特征处理：通过特定的统计方法（数学方法）将数据转换成算法要求的数据。 2.不同的数据类型有不同的处理方法： 数值型数据：标准缩放： 1、归一化 2、标准化 3、缺失值 类别型数据：one-hot编码 时间类型：时间的切分 3.sklearn特征处理API：sklearn. preprocessi
阅读全文
摘要：这是第一篇Django（花音：浆够）入门博客，学习Django的初衷是为了开发自己的个人小小网站（虽然有了博客园，还是想建立自己的博客，因为自主定制，香香香~！）
阅读全文
摘要：中文文本特征值处理：如何从一段话中，分解句子，以矩阵的形式，得到每个词语出现的次数，可以应用于文章类别分析、情感预测等等。 1.中文文本特征抽取：第一种方法：1.利用jieba.cut进行分词； 2.实例化CountVectorizer； 3.将分词结果变成字符串当做fit_transform的输入
阅读全文
摘要：1.特征抽取：将文本、字符串、字典等数据，转换成数字就是特征抽取。 2.特征抽取API：sklearn.feature_extraction 3.字典特征抽取：对字典数据进行特征值化 ， 使用sklearn.feature_extraction.DictVectorizer DictVectoriz
阅读全文
摘要：1.Scikit-learn库介绍：包含许多知名的机器学习算法的实现，文档完善、容易上手，丰富的API。 2.安装：创建一个基于Python3的虚拟环境(可以在已有的虚拟环境中）：mkvirtualenv -p /usr/bin/python3.5 ml3 在ubuntu的虚拟环境中运行以下命令：p
阅读全文
摘要：1.什么是机器学习？ 从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测。 比如AlphaGo的应用：从成千上万的棋谱中，找到模型，利用已知的棋谱对新棋谱进行预测。 2.机器学习的目的： 让机器学习程序替换手动的步骤，减少企业的成本也提高企业的效率。 3.机器学习的数据： 常用文件csv
阅读全文
摘要：机器学习目标: 以算法、案例为驱动的学习，浅显易懂的数学知识。 目标： 熟悉机器学习各类算法的原理 掌握算法的使用，能够结合场景解决实际问题 掌握机器学习算法库和框架的技能 机器学习主要领域：自然语言处理、图像识别、传统预测。 机器学习库和框架：sklearn。 深度学习框架:tensorflow。
阅读全文
浙公网安备 33010602011771号