06 2020 档案
摘要：一、配置文件概述 Flask中的配置参数有很多，它是flask中flask.config.Config对象（继承字典）： class Config(dict): """Works exactly like a dict but provides ways to fill it from files
阅读全文
摘要：一、初识Flask 1、安装Flask (flask_study) C:\Users\Administrator>pip install flask 2、简单实例 from flask import Flask #实例化Flask对象 app = Flask(__name__) @app.route
阅读全文
摘要：一、集成学习方法之随机森林 集成学习通过建立几个模型组合来解决单一模型预测的问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成单预测，因此优于任何一个单分类的做出预测。 1、什么是随机森林 随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别
阅读全文
摘要：一、决策树概述 1、决策树思想 决策树思想的来源非常朴素，它来源于程序设计中的条件分支语句结构（if-then），最早的决策树就是利用这类结构分割数据的一种分类方法。例如，银行贷款是根据贷款人的各种条件来进行判断是否放贷： 可以看到银行贷款可以根据上面的条件依次进行判断，其中很重要的是为什么将是否有
阅读全文
摘要：一、精确率与召回率 1、精确率（Presicion） 预测结果为正例样本中真实为正例的比例（查的准）。 2、召回率（Recall） 真实为正例的样本中预测结果为正例的比例（查的全，对正样本的区分能力）。 3、精确率与召回率的理解 混淆矩阵 在分类任务下，预测结果(Predicted Conditio
阅读全文
摘要：一、朴素贝叶斯概述 之前通过k-近邻算法来进行电影的分类，但是此种方法易受异常点的干扰，本质是通过欧式距离来进行类别的判断，而朴素贝叶斯则是将预测电影属于每一个类别的概率计算出来，从而判断最有可能属于的类别。 该算法常用于垃圾邮件的分类以及文章分类。例如： 上面确定一篇文章究竟是属于科技、金融还是娱
阅读全文
摘要：一、无限迭代器 1、itertools.count(start=0, step=1) 创建一个迭代器，返回一个以start开头，以step间隔的值。其大体如下： def count(start=0, step=1): # count(10) --> 10 11 12 13 14 ... # coun
阅读全文
