摘要: 通常使用with语句调用上下文管理器,也可以通过直接调用其方法来使用。 with EXPR as VAR: BLOCK 其中EXPR可以是任意表达式;as VAR是可选的。 阅读全文
posted @ 2019-07-19 09:32 小婷儿 阅读(35171) 评论(1) 推荐(4) 编辑
摘要: 如果特征的数量大到和样本数量差不多,则选用LR或者线性核的SVM; 如果特征的数量小,样本的数量正常,则选用SVM+高斯核函数; 如果特征的数量小,而样本的数量很大,则需要手工添加一些特征从而变成第一种情况。 阅读全文
posted @ 2019-07-10 21:55 小婷儿 阅读(3480) 评论(0) 推荐(0) 编辑
摘要: shell 脚本总结:SHELL脚本是什么?它是必需的吗? 阅读全文
posted @ 2019-07-09 21:55 小婷儿 阅读(701) 评论(0) 推荐(0) 编辑
摘要: pycharm git 用法总结 阅读全文
posted @ 2019-07-08 22:02 小婷儿 阅读(2962) 评论(0) 推荐(1) 编辑
摘要: python用tkinter完美呈现计算器功能 阅读全文
posted @ 2019-06-26 14:07 小婷儿 阅读(10870) 评论(0) 推荐(0) 编辑
摘要: PyCharm 使用技巧总结 阅读全文
posted @ 2019-06-25 15:51 小婷儿 阅读(12190) 评论(1) 推荐(1) 编辑
摘要: 申请开通JS接口 ->“管理” -> “设置” -> “页脚HTML”,直接把代码拷贝进去。(注意:代码头尾需要加标签) 阅读全文
posted @ 2019-06-25 15:04 小婷儿 阅读(586) 评论(0) 推荐(0) 编辑
摘要: 如果加载失败,打开已经解压的文件夹,将里面的"_metadata"文件夹改名为"metadata"(去掉开头的下划线),重新加载 阅读全文
posted @ 2019-06-18 09:25 小婷儿 阅读(20117) 评论(0) 推荐(0) 编辑
摘要: Matplotlib pyplot中title() xlabel() ylabel()无法显示中文(即显示方框乱码)的解决办法 from matplotlib.font_manager import FontProperties font_set = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=15) 阅读全文
posted @ 2019-06-13 22:57 小婷儿 阅读(2862) 评论(0) 推荐(0) 编辑
摘要: 多个实验与pandas高级应用相结合,全方位熟悉Pandas的使用 阅读全文
posted @ 2019-06-13 10:54 小婷儿 阅读(858) 评论(1) 推荐(0) 编辑
摘要: 有趣的事,Python永远不会缺席! 如需转发,请注明出处:小婷儿的python https://www.cnblogs.com/xxtalhr/p/11014882.html 如需转发,请注明出处:小婷儿的python https://www.cnblogs.com/xxtalhr/p/11014 阅读全文
posted @ 2019-06-13 10:53 小婷儿 阅读(572) 评论(1) 推荐(0) 编辑
摘要: 爱的宣言,你也来一份啊。。。。 阅读全文
posted @ 2019-05-20 22:22 小婷儿 阅读(963) 评论(0) 推荐(0) 编辑
摘要: 小婷儿用到的图片 阅读全文
posted @ 2019-05-19 21:37 小婷儿 阅读(24) 评论(0) 推荐(0) 编辑
摘要: 用微信扫码登录,一键搜集所有微信好友头像和把微信好友头像合成成一张照片墙。 也可以合成自己收集的图片为图片墙。 阅读全文
posted @ 2019-05-19 21:29 小婷儿 阅读(1239) 评论(0) 推荐(0) 编辑
摘要: PimaIndiansdiabetes.csv 数据集介绍、下载、实验。 1、首先要明确有多少特征,哪些是连续的,哪些是类别的。 2、检查有没有缺失值,对确实的特征选择恰当方式进行弥补,使数据完整。 3、对连续的数值型特征进行标准化,使得均值为0,方差为1。 4、对类别型的特征进行one-hot编码。 5、将需要转换成类别型数据的连续型数据进行二值化。 6、为防止过拟合或者其他原因,选择是否要将数据进行正则化。 7、在对数据进行初探之后发现效果不佳,可以尝试使用多项式方法,寻找非线性的关系。 8、根据实际问题分析是否需要对特征进行相应的函数转换。 阅读全文
posted @ 2019-05-13 22:41 小婷儿 阅读(11955) 评论(3) 推荐(3) 编辑
摘要: 修改win10下启动jupyter的默认路径 jupyter notebook --generate-config 配置文件 jupyter_notebook_config.py 阅读全文
posted @ 2019-05-09 21:38 小婷儿 阅读(26222) 评论(4) 推荐(4) 编辑
摘要: 归并排序是分治法的典型应用。分治法(Divide-and-Conquer):将原问题划分成 n 个规模较小而结构与原问题相似的子问题;递归地解决这些问题,然后再合并其结果,就得到原问题的解。 阅读全文
posted @ 2019-05-01 20:42 小婷儿 阅读(16812) 评论(1) 推荐(1) 编辑
摘要: 希尔排序的基本思想是:先将整个待排序的记录序列分割成为若干子序列分别进行直接插入排序,待整个序列中的记录“基本有序”时,再对全体记录进行依次直接插入排序。 希尔排序的整体思想是将固定间隔的几个元素之间排序,然后再缩小这个间隔。这样到最后数列就成为了基本有序数列,而前面我们讲过插入排序对基本有序数列排序效果较好。 阅读全文
posted @ 2019-04-29 23:18 小婷儿 阅读(1998) 评论(0) 推荐(0) 编辑
摘要: 插入排序(Insertion-Sort)的算法描述是一种简单直观的排序算法。它的工作原理是通过构建有序序列,对于未排序数据,在已排序序列中从后向前扫描,找到相应位置并插入。 注:把n个待排序的元素看成为一个有序表和一个无序表。开始时有序表中只包含1个元素,无序表中包含有n-1个元素,排序过程中每次从无序表中取出第一个元素,将它插入到有序表中的适当位置,使之成为新的有序表,重复n-1次可完成排序过程。 阅读全文
posted @ 2019-04-28 22:38 小婷儿 阅读(9604) 评论(0) 推荐(0) 编辑
摘要: 选择排序(Selection sort)是一种简单直观的排序算法。它的工作原理是每一次从待排序的数据元素中选出最小(或最大)的一个元素,存放在序列的起始位置,所以称为:选择排序。 阅读全文
posted @ 2019-04-28 22:23 小婷儿 阅读(15371) 评论(1) 推荐(0) 编辑
levels of contents