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