摘要： 在读取log文件，用于生成文件名集合。 阅读全文

摘要： 1 #定义几种距离计算函数 2 #更高效的方式为把得分向量化之后使用scipy中定义的distance方法 3 4 from math import sqrt 5 def euclidean_dis(rating1, rating2): #欧式距离计算 6 """计算2个打分序列间的欧式距离. 输入的rating1和rating2都是打分dict 7 ... 阅读全文

摘要： Logistic Regression Classifier逻辑回归主要思想就是用最大似然概率方法构建出方程，为最大化方程，利用牛顿梯度上升求解方程参数。 优点：计算代价不高，易于理解和实现。 缺点：容易欠拟合，分类精度可能不高。 使用数据类型：数值型和标称型数据。 介绍逻辑回归之前，我们先看一问题 阅读全文

摘要： 朴素贝叶斯（naive bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。 优点：在数据较少的情况下仍然有效，可以处理多分类问题。 缺点：对入输入数据的准备方式较为敏感。 使用数据类型：标称型数据。 下面从一个简单问题出发，介绍怎么使用朴素贝叶斯解决分类问题。 一天，老师问了个问题，只根据 阅读全文

摘要： kNN(k-nearest neighbor algorithm)算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。简单地说，K-近邻算法采用测量不同特征值之间的距离方法进行分类。 - 优点：精度高、对异常值不敏感 阅读全文

摘要： 决策数(Decision Tree)在机器学习中也是比较常见的一种算法，属于监督学习中的一种。看字面意思应该也比较容易理解，相比其他算法比如支持向量机(SVM)或神经网络，似乎决策树感觉“亲切”许多。 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失值不敏感，可以处理不相关特征数据。 缺点：可 阅读全文

摘要： numpy.power(x1, x2) 数组的元素分别求n次方。x2可以是数字，也可以是数组，但是x1和x2的列数要相同。 1 >>> x1 = range(6) 2 >>> x1 3 [0, 1, 2, 3, 4, 5] 4 >>> np.power(x1, 3) 5 array([ 0, 1, 阅读全文

摘要： 分析： 1.尝试在Python中对数据转码成utf8，'中文'.encode("utf-8")，还是报错 2.观察堆栈发现应该是操作mysql数据库的时候，将数据插入表里出错 所以第一种方式排除；集中从第二种原因找突破： 在mysql中查看字符相关的变量: 发现character_set_datab 阅读全文

摘要： 解决办法：https://stackoverflow.com/questions/44026548/getting-typeerror-init-missing-1-required-positional-argument-on-delete 我添加了父表后，现在我models.py看起来像这样： 阅读全文

摘要： 本文目标 30分钟内让你明白正则表达式是什么，并对它有一些基本的了解，让你可以在自己的程序或网页里使用它。 如何使用本教程 最重要的是——请给我30分钟，如果你没有使用正则表达式的经验，请不要试图在30秒内入门——除非你是超人 :) 别被下面那些复杂的表达式吓倒，只要跟着我一步一步来，你会发现正则表 阅读全文