2017年8月26日
摘要: 一、MySQL基础 show databases; 查看所有数据库 use db_name; 用那个数据库 show tables; 查看数据库下的所有表 decs table_name; 查看表下的所有字段 等同于 show columns from table_name; select * fr 阅读全文
posted @ 2017-08-26 22:44 水涵空 阅读(184) 评论(0) 推荐(0) 编辑
  2017年8月16日
摘要: 一、进程 IO操作(例如从端口、硬盘等读数据)不占用CPU,计算操作占用CPU,在线程中来回切换要占用资源,所以python中的多线程不适合计算操作密集型的任务,适合IO操作密集型的任务,对于计算密集型的任务,可以用多进程来解决(对于多核的CPU,对于一个进程下的线程,即使有多个核,同一时间也只有一 阅读全文
posted @ 2017-08-16 11:22 水涵空 阅读(240) 评论(0) 推荐(0) 编辑
  2017年7月25日
摘要: 一、socket基础 socket通常被称为“套接字”,用来描述IP地址和端口,是一个通信链的句柄,应用程序通过它向网络发出请求或者应答网络的请求。file模块是对某个指定文件进行打开、读写、关闭,而socket也是一种特殊的文件,一些socket的函数可以对它进行打开、读写、关闭的操作,不同的是s 阅读全文
posted @ 2017-07-25 17:03 水涵空 阅读(158) 评论(0) 推荐(0) 编辑
  2017年7月16日
摘要: 一、类和构造方法 China BrandChina BrandUS BrandChina Brandzhu is buying [AK47]zhang is buying [B51]zhu have [AK47]zhang have [B51] 二、类的继承 一个类可以接收另一个类的变量属性、方法等 阅读全文
posted @ 2017-07-16 23:56 水涵空 阅读(197) 评论(0) 推荐(0) 编辑
  2017年6月23日
摘要: 一、最大间隔分类与SVM模型 以下分类面都能把数据分开,但无疑最右边的分类面是最好的,它能对测试样本具有较好的鲁棒性 由图可以看出,最右侧样本数据与分类面具有最大的距离,那么怎么保证分类面与训练数据之间有最大间隔呢?这就引出了SVM模型,怎么到的SVM模型?从逻辑回归开始 我们已经知道逻辑回归的假设 阅读全文
posted @ 2017-06-23 17:31 水涵空 阅读(247) 评论(0) 推荐(0) 编辑
  2017年6月22日
摘要: 一、评价假设函数 我们设计的模型合不合理,得出假设函数是不是具有泛化能力,当假设函数比较复杂,不能够在坐标图上画出是,我们怎么评价?利用验证的方法,把所有收集到的数据随机选取70%作为训练样本,训练模型得到假设函数之后,利用剩余的30%的数据作为测试样本,算出测试样本在假设函数下的误差代价值,如误差 阅读全文
posted @ 2017-06-22 18:40 水涵空 阅读(190) 评论(0) 推荐(0) 编辑
  2017年6月21日
摘要: 一、正则表达式 正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。正则表达式有两部分参数,一个是匹配规则pattern,另一个是待匹配的数据源,data_sour 阅读全文
posted @ 2017-06-21 12:10 水涵空 阅读(329) 评论(0) 推荐(0) 编辑
  2017年6月12日
摘要: 一、神经网络模型 对于非线性的数据分布,例如 若用感知器或者逻辑回归的非线性模型,则算特征多项式和权重参数的分数时需要把特征多项式的情况都列举出来,当特征少的时候(例如只有x1,x2)有可能列举出特征组合的所有的特征多项式,但若是特征数很多的情况 只算上二次特征多项式的情况,就大约有5000特征项, 阅读全文
posted @ 2017-06-12 19:31 水涵空 阅读(147) 评论(0) 推荐(0) 编辑
  2017年6月9日
摘要: 一、感知器 perceptron 上节讲到线性回归,输入特征向量,与权重参数对应相乘得到输出的实数结果,但实际中还有选择分类的事情,例如银行要不要给客服发信用卡,发还是不发这是一个分类问题。 比如,银行根据一个人的工资、工作年限、负债情况、信用问题等作为特征来判断是不是该给这个客户信用卡,我们来考虑 阅读全文
posted @ 2017-06-09 22:51 水涵空 阅读(145) 评论(0) 推荐(0) 编辑
  2017年6月6日
摘要: 一、机器学习介绍 什么是机器学习?计算机程序从经验E(给一些样本数据)中学习任务T,用度量P来衡量性能,并且由P定义的关于T的性能会随着经验E而提高 机器学习分为:有监督学习(给出数据样本的标签)、无监督学习(没有给出数据样本的标签)、半监督学习(给出少量的有标签数据,和大量没有标签的数据)、强化学 阅读全文
posted @ 2017-06-06 22:05 水涵空 阅读(345) 评论(0) 推荐(0) 编辑