10 2017 档案
摘要：注：本文是 "人工智能研究网" 的学习笔记 回归器评估方法 explained_variance_score(...) mean_absolute_erroe(...) 平均绝对损失 mean_squared_error(...) 均方损失 median_absolute_error(...) r2
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 ROC是什么 二元分类器（binary classifier）的分类结果 ROC空间 最好的预测模型在左上角，代表100%的灵敏度和0%的虚警率，被称为完美分类器。 一个随机猜测模型。会给出从左下角到右上角的沿着对角线的点（对角线被称作line of no
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 Precision和Recall都能够从下面的TP,TN,FP,FN里面计算出来。 几个缩写的含义 ： 缩写 | 含义 | P | condition positive N | condition negative TP | true positive (
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 准确率 accuracy_score：函数计算分类准确率，返回被正确分类的样本比例（default）或者是数量（normalize=False） 在多标签分类问题中，该函数返回子集的准确率，对于一个给定的多标签样本，如果预测得到的标签集合与该样本真正的标签
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 使用sklearn.metrics包中的性能度量函数 1. 分类器性能指标 2. 回归器性能指标 3. 聚类器性能指标 4. 两两距离测度 分类器性能评估指标 将二元分类指标拓展到多类或多标签问题中去
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 1. Estimator对象的score方法 2. 在交叉验证中使用scoring参数 3. 使用sklearn.metric中的性能度量函数 Estimator对象的score方法 分类算法必须要继承ClassifierMixin类， 回归算法必须要继承
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 模型验证方法一览 名称 | 模块 | 通过交叉验证计算得分 | model_selection.cross_val_score(estimator, X) 对每个输入点产生交叉验证估计 | model_selection.cross_val_predict
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 K折交叉验证 模块 | | sklearn.model_selection.KFold | sklearn.model_selection.GroupKFold | sklearn.model_selection.StratifiedKFold | 核心思
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 学习器模型中一般有两类参数，一类是可以从数据中学习估计得到，还有一类参数时无法从数据中估计，只能靠人的经验进行设计指定，后者成为超参数。比如，支持向量机里面的C, Kernal, game；朴素贝叶斯里面的alpha等。 使用以下的方法获得学习器模型的参数
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 标称型特征编码(Encoding categorical feature) 有些情况下，某些特征的取值不是连续的数值，而是离散的标称变量（categorical）。 比如一个人的特征描述可能是下面的或几种： 这样的特征可以被有效的编码为整型特征值（inte
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 规范化(Normalization) Normalization: scaling individual to have unit norm 规范化是指，将单个的样本特征向量变换成具有单位长度（unit norm）的特征向量的过程。当你要使用二次形式（qu
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 常用的数据预处理方式 1. Standardization, or mean removal and variance scaling 2. Normalization: scaling individual to have unit norm 3. Bi
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 sklearn.feature_extaction模块提供了从原始数据如文本，图像等中抽取能够被机器学习算法直接处理的特征向量。 Feature extraction和Feature selection是不同的：前者将任意的数据变换成机器学习算法可用的数值
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 Pipeline：chaining（链接）estimators Pipeline可以用于把多个estimators级联合成一个estimator。这么做的原因是考虑了数据处理过程的一系列前后相继的固定流程，比如：feature selection norm
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 数据集一览 类型 | 获取方式 | 自带的小数据集 | sklearn.datasets.load_ 在线下载的数据集 | sklearn.datasets.fetch_ 计算机生成的数据集 | sklearn.datasets.make_ svmligh
阅读全文
摘要：注：本文是 "人工智能研究网" 的学习笔记 计算机生成的数据集 用于分类任务和聚类任务，这些函数产生样本特征向量矩阵以及对应的类别标签集合。 数据集 | 简介 | make_blobs | 多类单标签数据集，为每个类分配一个或者多个正态分布的点集，提供了控制每个数据点的参数：中心点（均值），标准差，
阅读全文
摘要：六大板块 分类 | 回归 | 聚类 | 数据降维 | 数据预处理 | 特征抽取 | | | | | 统一API estimator.fit(X_train,[y_train]) | estimator.fit(X_train,[y_train]) | estimator.predict(X_test
阅读全文
摘要：选择器 | 例子 | 例子描述 | | .class | .intro| 选择 class="intro" 的所有元素。 id | firstname| 选择 id="firstname" 的所有元素。 | |选择所有元素。 element| p |选择所有 元素。 element,element|
阅读全文
摘要：解析库 解析器 | 使用方法 | 优势 | 劣势 | | | Python标准库 | BeautifulSoup(html, 'html.parser') | 速度适中，容错能力强 | 老版本python容错能力差 lxml HTML解析库 | BeautifulSoup(html, 'lxml')
阅读全文
摘要：``` from selenium import webdriver from selenium.webdriver import ActionChains from selenium.webdriver.common.by import By from selenium.webdriver.sup
阅读全文
摘要：创建对象 通过对象自面量的形式创建对象 使用new object创建对象 使用构造函数创建对象 使用Object.create()创建对象 操作对象 首先创建两个对象 访问属性： 对象名.属性名 对象名[属性名] 当处于某个对象方法内部的时候，可是使用this来访问同一对象的属性 var key='
阅读全文
摘要：隐式转换 1. 其他类型转换成布尔类型： undefined false null false 0或者0.0或者NaN false 字符串长度为0 false 其他对象 true 2. 其他类型转换成数值类型： undefined NaN null 0 true 1 false 0 内容为数字 数字
阅读全文
摘要：自定义函数 JS中有两种方法定义函数： 使用function关键字定义函数 使用js中的函数构造器(Function())定义函数 注意： 1. 函数名称不要包含特殊字符 2. 函数名称最好含义明确 3. 函数名称最好遵循驼峰标记法或者下划线法 4. 函数名称严格区分大小写 5. 函数名称如果相同会
阅读全文
摘要：连接数据库 创建数据库 创建表 插入数据 事务机制，一旦出错会回滚，不存在一半插入一半没插入的情况。 更新数据 删除数据 查询数据 fetch()存在指针偏移的问题，使用一次，指针就会向后偏移一次。
阅读全文
摘要：连接数据库 StrictRedis ConnectionPool 构造url方式连接到数据库，有以下三种模式： String操作 方法 | 作用 | 示例 | 示例结果 | | | | set(name, value) | 给name赋值为value | redis.set('name', 'Bob
阅读全文
摘要：连接数据库 插入数据 insert_one(), 一次插入一条记录 insert_many(), 一次插入多条记录 mongo默认会给每一条记录添加一个_id字段，用来唯一标识每一条记录。 可以使用 和`result.inserted_ids`来查看插入记录的_id编号。 查询数据 find_one
阅读全文
摘要：停止子线程 如果一切正常，那么上面的例子很完美。可是，需要停止程序，直接ctrl+c，会抛出KeyboardInterrupt错误，我们修改一下主循环： 可是实际上并不好使，虽然主线程try了KeyboardInterrupt异常，但是子线程并没有退出，为了解决这个问题，可以设置子线程为守护线程，这
阅读全文
摘要：协程嵌套 使用async可以定义协程，协程用于耗时的io操作，我们也可以封装更多的io操作过程，这样就实现了嵌套的协程，即一个协程中await了另外一个协程，如此连接起来。 如果使用的是 asyncio.gather创建协程对象，那么await的返回值就是协程运行的结果。 不在main协程函数里处理
阅读全文
摘要：几个概念： event_loop 事件循环：程序开启一个无限的循环，程序员会把一些函数注册到事件循环上。当满足事件发生的时候，调用相应的协程函数。 coroutine 协程：协程对象，指一个使用async关键字定义的函数，它的调用不会立即执行函数，而是会返回一个协程对象。协程对象需要注册到事件循环，
阅读全文
摘要：冒泡排序 算法思想： 对于一组需要排序的数据，对于相邻的两个数进行比较，使较大（或者较小）的数一直向后推，经过多层排序之后，使整个序列是有序的。 算法实现： 算法的实现使用了两层for循环，其中对于外层for循环来说，第一次for循环，最大的数被推到最后面，第二次for循环，次大的数被推到次后面..
阅读全文
摘要：发起请求 添加请求参数 自定义User Agent 自定义cookies post字符串 post文件 设置代理 设置认证代理
阅读全文
摘要：临近毕业，租房是少不了的，为了直观的了解江苏省的租房价格信息，这次就从58同城抓取了江苏省13个市的租房信息，进行简单地分析。 本次获得信息一共是3万条左右，抓取到的原始信息会附在文末，用到的主要的分析工具是pandas。 首先来看一下我们的原始信息的样子。 首先将‘name’字段进行分割，提取出租
阅读全文
摘要：  
浙公网安备 33010602011771号