摘要：
1 import threading 2 import socket 3 4 def recv_msg(udp_socket): 5 recv_data = udp_socket.recvfrom(1024) 6 print(recv_data) 7 8 def send_msg(udp_socke 阅读全文
摘要：
tcp严格区分客户端和服务器，udp则没有，tcp需要通过三次握手四次挥手来保证数据传输的安全性，而udp没有 1 import socket 2 3 def main(): 4 '''客户端''' 5 # 1、创建套接字 6 tcp_client_socket = socket.socket(so 阅读全文
摘要：
1 import socket 2 3 def send_msg(udp_socket): 4 """发送消息""" 5 # 获取要发送的内容 6 dest_ip = input('请输入对方的IP：') 7 dest_port = int(input('请输入对方的端口号：')) 8 send_d 阅读全文
摘要：
# 集成学习方法：集成学习是通过建立几个模型组合来解决单一预测问题，它的工作原理是生成对个分类器/模型，各自独立地学习和做出预测，最后结合成预测单预测，因此优于任何一个单分类做出的预测 # 随机森林就是包含多个决策树的分类器，并且输出的类别是由个别树输出的类别的众数而定 import pandas 阅读全文
摘要：
决策树重要概念： 信息熵：信息越纯信息熵越小，信息越杂信息熵越大，决策树生成的原则就是不断减小信息熵的过程，而分支依据就是哪个变量提供信息增益（信息增益比，基尼系数）越大，就选择哪个变量作为分类依据 衡量信息熵变化大小的指标：信息增益，信息增益比，基尼系数（sklearn默认），三者的基本原则都是计 阅读全文
摘要：
# 交叉验证：将拿到的训练数据，分为训练集和验证集，以下图为例：将数据分成四份，其中一份作为验证集，然后经过5次测试，每次更换不同的验证集，即得到5组模型的结果，取平均值作为最终结果，又称4折交叉验证，一般经验都是做10折交叉验证 模型调优最主要的是在业务方向进行，大概占到80%的贡献度，而参数调优 阅读全文
摘要：
二分类模型评估，多分类转换成二分类# 最常用的是准确率，即预测结果正确的百分比# 混淆矩阵：在分类任务下，预测结果与正确标记之间存在四种不同的组合，构成混淆矩阵（适用于多分类），真正例TP，伪正例FP，伪反例FN，真反例TN# 混淆矩阵中的召回率：真实为正例的样本中预测结果为正例的比例（查的全，对正 阅读全文
摘要：
https://baike.baidu.com/item/%E6%9C%B4%E7%B4%A0%E8%B4%9D%E5%8F%B6%E6%96%AF/4925905 from sklearn.datasets import load_iris, fetch_20newsgroups from skl 阅读全文