lpzju

摘要： 跟着python100学习一下 100以内的素数 # 输出100以内的所有素数 # 想法：从1到100遍历，假设得到了i=17，那么此时从1到9遍历，如果找到了一个数用17能除尽则跳出循环 # 如果找不到这个数，那么把i输出为素数 for i in range(2,100): flag = True 阅读全文

摘要： python100day学习第二周 # 通过enumerate函数处理列表之后再遍历可以同时获得元素索引和值 list1 = [1, 3, 5, 7, 100] for index, elem in enumerate(list1): print(index, elem) 文件后缀名 #返回一个文件 阅读全文

摘要： 开始一点点写贝叶斯过滤垃圾邮件 之前写的，没注意把文件名对应上，可能会有些不清楚导包 代码都会上传到github 首先写代码之前好好看一下西瓜书和机器学习实战里面关于贝叶斯理论的介绍$p(c|x) = \frac{p(x|c)p(c)}{p(x)}$ 在这里有：后验概率=先验概率*调查因子 分别解释 阅读全文

摘要： 项目将会全部上传至https://github.com/lpzju/machine-learning-in-action-python3 因在自己实践过程中，是拆分成一个一个文件并自己实现，所以可能会出现导包错误问题，文件可在git链接找到，也会尽量把用到的文件先放出 对于程序清单3-7，花了快1天 阅读全文

摘要： 现在我们要获取叶节点和深度，以便后面画图 对于叶节点，思路如下 {'no surfacing':{0:'no',1:{'flippers':{0:'no',1:'yes'}}}} 对于这样的字典，我们先得到根节点 然后得到根节点下面的字典 这个字典可能是空的，对这个字典进行遍历，如果里面有字典则遍历 阅读全文

摘要： 今天有空再把numpy看一下，补充点不会的，再去看matplotlib 回顾之前笔记，发现之前的numpy学习Ⅰ中关于numpy的行、列、维可能表述有点不清晰，这里再叙述一下 import numpy as np c = np.array([[[1,2],[1,2]],[[1,2],[0,0]],[ 阅读全文

摘要： 绘制结点 下面代码大部分都有注释，这里讲解一下思路： 最后我们要将生成的字典画出树的样子出来，那我们要对根节点和叶子结点有不同表示 这里定义了两个函数，一个用于生成结点，一个用于对结点的注释 import matplotlib.pyplot as plt # boxstyle是文本框类型 fc是边框 阅读全文

摘要： 对代码进行了优化更新 # 打算重头好好再写写这个 from math import log # 数据集 dataSet = [[1, 1, 'yes'], [1, 1, 'yes'], [1, 0, 'no'], [0, 1, 'no'], [0, 1, 'no']] # 属性 labelSet = 阅读全文

摘要： 现在来到了比较难的部分，将ID3的算法实现 这里如果跟着书敲一遍也能敲出来，但可能没办法很好地理解，以及自己去实现 由于本人基础缺失很差，故先自己敲了好几遍，然后再看西瓜书的图4-2.一点点明白 流程： 既然是栽树，首先得从根结点出发 如果此时样本都是同一属性，那么直接标记为相同结点，并且返回，一开 阅读全文

摘要： 接上文，如果到了叶子结点，但是类标签不是唯一的，那么需要再进行处理一下 # 这里的代码作用是，如果到了叶子结点，但是还是不能区分 # 比如图3-2上面叶子结点要么都是yes要么都是no，但如果叶子结点上面是yes、yes、no，我们需要一个函数 # 来把这个叶子结点标记为yes，这就是majorit 阅读全文