读完了《wireshark网络分析就这么简单》。关于技术的书也可以写的这么的妙趣横生，我是像读《盗墓笔记》一样把它读完的(笔者是盗迷)，从第一章起，我就被里面的内容深深吸引住了，我从来没想过要改一改子网掩码，也从来没想过改了之后能够发生如此有趣的事情。作者林沛满先生知识渊博而又幽默，把一个个技术难题写得像生动的小说。林先生在最后提到了知识深度与广度的事情，这也是我一直琢磨的问题，林先生用爬山做了比喻，我觉得很贴切，钻研知识深度的同时，不自觉地就能扩展知识的
系统 2019-08-12 09:26:56 2085
迅雷是我们常用的下载工具之一，但是我们在使用迅雷时经常有些烦人的广告，那么，我们怎么去掉它呢？修改之前关闭迅雷。一、去广告1、打开迅雷的安装目录我的是C:\ProgramFiles\ThunderNetwork\Thunder\Program2、找到gui.cfg文件，然后用记事本打开3、把它的内容改为：[URL]ADServer=LastModifyTime=Mon,2Apr200706:32:45GMTNavigateTimes=10TimeSpan=
系统 2019-08-12 09:26:53 2085
Student(S#,Sname,Sage,Ssex)学生表Course(C#,Cname,T#)课程表SC(S#,C#,score)成绩表Teacher(T#,Tname)教师表问题：1、查询“001”课程比“002”课程成绩高的所有学生的学号；selecta.S#from(selects#,scorefromSCwhereC#='001')a,(selects#,scorefromSCwhereC#='002')bwherea.score>b.scor
系统 2019-08-12 01:55:06 2085
字符串的相似性比较应用场合很多，像拼写纠错、文本去重、上下文相似性等。评价字符串相似度最常见的办法就是：把一个字符串通过插入、删除或替换这样的编辑操作，变成另外一个字符串，所需要的最少编辑次数，这种就是编辑距离（editdistance）度量方法，也称为Levenshtein距离。海明距离是编辑距离的一种特殊情况，只计算等长情况下替换操作的编辑次数，只能应用于两个等长字符串间的距离度量。其他常用的度量方法还有Jaccarddistance、J-W距离（Ja
系统 2019-09-27 17:57:15 2084
在社群运营中，我们发现，小伙伴们人工智能的学习热情还是蛮高的，但是存在的问题是，不知道该如何开始学习。基于此，我们梳理了CSDN各方面的资源，整理如下，希望能够对伙伴们的学习有所帮助哦！精华博文阅读让Python代码运行更快的最佳方式！如果我们能够按原样使用现有的Python程序并以更快的速度运行它，那不是很好吗？这正是PyPy允许你做的事情。想知道具体如何实现的吗？请点击这里哦！另外，还有一些热门博文供大家参考Python资源大全中文版，详情点这里。一个
系统 2019-09-27 17:57:09 2084
文章目录前言Python之禅Python：优雅高效的写法多变量赋值变量交换格式化字符串序列并包(pack)序列解包(unpack)条件表达式if结构简化if链式条件表达式any&alleval遍历元素与下标for/elsedict映射代替多条件查找访问字典元素defaultdict列表/字典解析式字符串连接"_"的妙用map函数reduce函数filter函数生成器(generator)yieldpartial函数lru_cache枚举Reference前
系统 2019-09-27 17:56:45 2084
复数是由一个实数和一个虚数组合构成，表示为：x+yj一个复数时一对有序浮点数(x,y)，其中x是实数部分，y是虚数部分。Python语言中有关复数的概念：1、虚数不能单独存在，它们总是和一个值为0.0的实数部分一起构成一个复数2、复数由实数部分和虚数部分构成3、表示虚数的语法：real+imagej4、实数部分和虚数部分都是浮点数5、虚数部分必须有后缀j或J复数的内建属性：复数对象拥有数据属性，分别为该复数的实部和虚部。复数还拥有conjugate方法，调
系统 2019-09-27 17:56:19 2084
我的需求很简单，就是统计一下我的安装脚本执行的次数和时间，格式是这样的install_times:1|install_times:2018-09-0315:58:46install_times:2|install_times:2018-09-0315:58:50install_times:3|install_times:2018-09-0315:58:54首先我需要判断一下文件是否为空，我开始是这样写的importtimeimportosfile_list
系统 2019-09-27 17:56:10 2084
时间序列模型时间序列预测分析就是利用过去一段时间内某事件时间的特征来预测未来一段时间内该事件的特征。这是一类相对比较复杂的预测建模问题，和回归分析模型的预测不同，时间序列模型是依赖于事件发生的先后顺序的，同样大小的值改变顺序后输入模型产生的结果是不同的。举个栗子：根据过去两年某股票的每天的股价数据推测之后一周的股价变化；根据过去2年某店铺每周想消费人数预测下周来店消费的人数等等RNN和LSTM模型时间序列模型最常用最强大的的工具就是递归神经网络（recur
系统 2019-09-27 17:56:06 2084
摘要时间序列（timeseries）数据是一种重要的结构化数据形式，应用于多个领域，包括金融学、经济学、生态学、神经科学、物理学等。在多个时间点观察或测量到的任何事物都可以形成一段时间序列。在进行时间序列问题分析时，通常需要将字符串和datetime类型相互转换，本文分享他们之间相互转换的集中常用方法（主要用到的库有datetime、pandas以及dateutil）。(一)datetime->strdatetime类型转成str一般常用的有两种方法：st
系统 2019-09-27 17:56:03 2084
