摘要：
heapq.nlargest(n, iterable[, key]) 从迭代器对象iterable中返回前n个最大的元素列表，其中关键字参数key用于匹配是字典对象的iterable，用于更复杂的数据结构中。 heapq.nsmallest(n, iterable[, key]) 从迭代器对象ite 阅读全文
摘要：
一、概述 决策树（Decision Tree）是一种基本的分类与回归方法，其主要优点是模型具有可读性。决策树学习算法通常是一个递归地选择最优的特征，并根据该特征对训练数据进行分割，使得对各个数据集有一个最好的分类的过程。学习的过程一般为如下几个步骤： 特征选择：从训练数据的特征中选择最优特征作为当前 阅读全文
摘要：
计算精度 函数原型sklearn.metrics.precision_score(y_true, y_pred, labels=None, pos_label=1, average=’binary’, sample_weight=None)函数注释精度Precision=TP/(TP+FP)。其中T 阅读全文