python 面对对象 类(继承, 多态)
摘要：继承，继承其它实例化样本的属性和方法，需要在声明里重新定义和使用 多态: 表示在父类里定义一个函数，在子类里都可以使用
阅读全文
posted @
2019-10-16 11:39
python我的最爱
阅读(330)
推荐(0) 编辑
python pymysql 连接 mysql数据库进行操作
摘要：1.数据库的连接操作 2. 进行数据库的查询，执行select * from student 3. 数据的增加操作 insert into student(name, register_data, sex) values('N4', '2015-02-03', 'M') 4. 进行表User_2的创
阅读全文
posted @
2019-09-11 15:38
python我的最爱
阅读(538)
推荐(0) 编辑
mysql数据库基础
摘要：1. mysql -u root -p 123456; # 进行数据库的登录，cmd进入mysql的安装bin路径下 2. show databases; # 查看当前的数据库 3. use oldboydb; # 使用oldboydb 数据库，用于进行数据库的切换 4.show tables; 查
阅读全文
posted @
2019-09-09 19:41
python我的最爱
阅读(317)
推荐(0) 编辑
python正则表达式解析(re)
摘要：正则表达式的使用方法主要有4种： re.search(进行正则匹配)， re.match(从头开始匹配) re.findall(找出所有符合条件的字符列表) re.split(根据条件进行切分) re.sub(根据条件进行替换) 匹配规则里的符号 # . 可以被当作任意字符, re.M 忽略开头的换
阅读全文
posted @
2019-09-06 15:33
python我的最爱
阅读(1848)
推荐(0) 编辑
python 装饰器 (test = submit(test))
摘要：两层的装饰器，这里对于register不需要进行输入 装饰器主要使用的是 test = submit(test), 在函数中返回了submit的函数，因此需要再嵌套一个函数，用来进行返回submit的函数地址
阅读全文
posted @
2019-09-04 10:59
python我的最爱
阅读(470)
推荐(0) 编辑
机器学习进阶-svm支持向量机
摘要：支持向量机需要解决的问题：找出一条最好的决策边界将两种类型的点进行分开 这个时候我们需要考虑一个问题，在找到一条直线将两种点分开时，是否具有其他的约束条件，这里我们在满足找到一条决策边界时，同时使得距离边界最近的点到边界的距离最远，对于下图而言，我们可以看出右边的图比左边的图的分类效果要好，因为点到
阅读全文
posted @
2019-02-16 13:15
python我的最爱
阅读(416)
推荐(1) 编辑
机器学习入门-文本特征-word2vec词向量模型 1.word2vec（进行word2vec映射编码）2.model.wv['sky']输出这个词的向量映射 3.model.wv.index2vec(输出经过映射的词名称)
摘要：函数说明： 1. from gensim.model import word2vec 构建模型 word2vec(corpus_token, size=feature_size, min_count=min_count, window=window, sample=sample) 参数说明：corp
阅读全文
posted @
2019-01-27 12:26
python我的最爱
阅读(5731)
推荐(0) 编辑
机器学习入门-文本特征-使用LDA主题模型构造标签 1.LatentDirichletAllocation(LDA用于构建主题模型) 2.LDA.components(输出各个词向量的权重值)
摘要：函数说明 1.LDA(n_topics, max_iters, random_state) 用于构建LDA主题模型，将文本分成不同的主题 参数说明:n_topics 表示分为多少个主题， max_iters表示最大的迭代次数， random_state 表示随机种子 2. LDA.component
阅读全文
posted @
2019-01-27 00:28
python我的最爱
阅读(4467)
推荐(0) 编辑
机器学习入门-文本数据-使用聚类增加文本的标签属性
摘要：通过对特征做一个kmeans聚类，将聚类的结果做为文本的标签值，可以使得样本的特征更多 我们从sklearn.cluster中导入Kmeans建立模型进行聚类 代码： 第一步：使用Dataframe格式化数据和使用数据格式化数据 第二步：对字符串进行分词和去除停用词，并使用' '.join完成连接
阅读全文
posted @
2019-01-26 23:43
python我的最爱
阅读(1507)
推荐(0) 编辑
机器学习-文本数据-文本的相关性矩阵 1.cosing_similarity(用于计算两两特征之间的相关性)
摘要：函数说明： 1. cosing_similarity(array) 输入的样本为array格式，为经过词袋模型编码以后的向量化特征，用于计算两两样本之间的相关性 当我们使用词频或者TFidf构造出词袋模型，并对每一个文章内容做词统计以后， 我们如果要判断两个文章内容的相关性，这时候我们需要对数字映射
阅读全文
posted @
2019-01-26 21:40
python我的最爱
阅读(8209)
推荐(0) 编辑
机器学习入门-文本数据-构造Tf-idf词袋模型(词频和逆文档频率) 1.TfidfVectorizer(构造tf-idf词袋模型)
摘要：TF-idf模型：TF表示的是词频：即这个词在一篇文档中出现的频率 idf表示的是逆文档频率， 即log(文档的个数/1+出现该词的文档个数) 可以看出出现该词的文档个数越小，表示这个词越稀有，在这篇文档中也是越重要的 TF-idf： 表示TF*idf, 即词频*逆文档频率 词袋模型不仅考虑了一个词
阅读全文
posted @
2019-01-26 19:54
python我的最爱
阅读(954)
推荐(0) 编辑
机器学习入门-文本数据-构造Ngram词袋模型 1.CountVectorizer(ngram_range) 构建Ngram词袋模型
摘要：函数说明： 1 CountVectorizer(ngram_range=(2, 2)) 进行字符串的前后组合，构造出新的词袋标签 参数说明：ngram_range=(2, 2) 表示选用2个词进行前后的组合，构成新的标签值 Ngram模型表示的是，对于词频而言，只考虑一个词，这里我们在CountVe
阅读全文
posted @
2019-01-26 19:37
python我的最爱
阅读(5198)
推荐(1) 编辑
机器学习入门-文本数据-构造词频词袋模型 1.re.sub(进行字符串的替换) 2.nltk.corpus.stopwords.words(获得停用词表) 3.nltk.WordPunctTokenizer(对字符串进行分词操作) 4.np.vectorize(对函数进行向量化) 5. CountVectorizer(构建词频的词袋模型)
摘要：函数说明： 1. re.sub(r'[^a-zA-Z0-9\s]', repl='', sting=string) 用于进行字符串的替换，这里我们用来去除标点符号 参数说明：r'[^a-zA-Z0-9\s]' 配对的模式，^表示起始位置，\s表示终止位置，[]表示取中间部分，这个的意思是找出除字符串
阅读全文
posted @
2019-01-26 18:50
python我的最爱
阅读(2070)
推荐(0) 编辑
机器学习入门-数值特征-时间特征处理
摘要：我们可以将一连串的时间特征进行拆分，比如：2015-03-08 10:30:00.360000+00:00， 我们可以将其转换为日期类型，然后从里面提取年，月，日等时间信息 对于一些hour，month等信息，我们也可以使用pd.cut将hour信息按照时刻转换为离散数据，如morning，afte
阅读全文
posted @
2019-01-26 10:05
python我的最爱
阅读(2696)
推荐(0) 编辑
机器学习入门-数值特征-对数据进行log变化
摘要：对于一些标签和特征来说，分布不一定符合正态分布，而在实际的运算过程中则需要数据能够符合正态分布 因此我们需要对特征进行log变化，使得数据在一定程度上可以符合正态分布 进行log变化，就是对数据使用np.log(data+1) 加上1的目的是为了防止数据等于0，而不能进行log变化 代码： 第一步：
阅读全文
posted @
2019-01-25 22:27
python我的最爱
阅读(6908)
推荐(1) 编辑
机器学习入门-数值特征-数据四分位特征 1.quantile(用于求给定分数位的数值) 2.plt.axvline(用于画出竖线) 3.pd.pcut(对特征进行分位数切分，生成新的特征)
摘要：函数说明: 1. .quantile(cut_list) 对DataFrame类型直接使用,用于求出给定列表中分数的数值，这里用来求出4分位出的数值 2. plt.axvline() # 用于画出图形中的竖线 3. pd.qcut(feature, cut_list, labels) 用于对特征进行
阅读全文
posted @
2019-01-25 22:05
python我的最爱
阅读(1387)
推荐(2) 编辑
机器学习入门-数值特征-连续数据离散化(进行分段标记处理) 1.hist(Dataframe格式直接画直方图)
摘要：函数说明: 1. .hist 对于Dataframe格式的数据，我们可以使用.hist直接画出直方图 对于一些像年龄和工资一样的连续数据，我们可以对其进行分段标记处理，使得这些连续的数据变成离散化 就好比：我们可以将0-9岁用0表示 10-19用1表示 20-29用2表示 ... 下面我们对一个年龄
阅读全文
posted @
2019-01-25 19:44
python我的最爱
阅读(1742)
推荐(0) 编辑
机器学习入门-数值特征-进行多项式变化(将特征投影到高维度上) 1.PolynomialFeatures(将数据变化为多项式特征)
摘要：函数说明： 1. PolynomialFeatures(degree=2, interaction_only=False, include_bias=False) 参数说明:degree=2,表示多项式的变化维度为2，即^2, interaction_only表示是否只使用a*b, include_
阅读全文
posted @
2019-01-25 19:13
python我的最爱
阅读(2760)
推荐(0) 编辑
机器学习入门-数值特征-进行二值化变化 1.Binarizer(进行数据的二值化操作)
摘要：函数说明： 1. Binarizer(threshold=0.9) 将数据进行二值化，threshold表示大于0.9的数据为1,小于0.9的数据为0 对于一些数值型的特征：存在0还有其他的一些数 二值化指的是：将大于0的特征使用1表示，将等于0的特征还是用0表示 对于二值化操作：使用两种方法 第一
阅读全文
posted @
2019-01-25 18:32
python我的最爱
阅读(1387)
推荐(0) 编辑
机器学习入门-数值特征-数字映射和one-hot编码 1.LabelEncoder(进行数据自编码) 2.map(进行字典的数字编码映射) 3.OnehotEncoder(进行one-hot编码) 4.pd.get_dummies(直接对特征进行one-hot编码)
摘要：1.LabelEncoder() # 用于构建数字编码 2 .map(dict_map) 根据dict_map字典进行数字编码的映射 3.OnehotEncoder() # 进行one-hot编码，输入的参数必须是二维的，因此需要做reshape,同时使用toarray() 转换为列表形式 3 pd
阅读全文
posted @
2019-01-25 16:30
python我的最爱
阅读(1298)
推荐(0) 编辑
