AdaBoost梯度提升算法项目链接：https://github.com/Wchenguang/gglearn/blob/master/AdaBoost/李航机器学习讲解/AdaBoost.ipynb算法步骤与原理训练mmm个弱学习分类器，分类器有相同的接口Gm(x):X→{x1,x2…}G_{m}(x):\mathcal{X}\rightarrow\{x_{1},x_{2}\dots\}Gm(x):X→{x1,x2…}假设数据有均匀的权值分布，即
系统 2019-09-27 17:56:59 2191
深浅拷贝importcopy浅拷贝：copy.copy不可变类型和可变类型都是原列表中的地址深拷贝：copy.deepcopy不可变类型的地址是原列表中的地址可变类型的地址是新生成元素的地址（即独立地址）importcopya=[1,2,[3,4]]#深浅拷贝的区别提现在[3,4]这个子对象b=copy.copy(a)#浅拷贝c=copy.deepcopy(a)#深拷贝a.append(5)a[2].append(6)print('a:',a)print(
系统 2019-09-27 17:56:58 2191
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 2191
字符串索引示意图字符串切片也就是截取字符串，取子串Python中字符串切片方法字符串[开始索引：结束索引：步长]切取字符串为开始索引到结束索引-1内的字符串步长不指定时步长为1字符串[开始索引:结束索引]练习样例#1.截取2-5位置的字符num_str_1=num_str[2:6]print(num_str_1)#2.截取2-末尾的字符#当开始索引和结束索引为开始和结束时可以省略不写num_str_1=num_str[2:]print(num_str_1)
系统 2019-09-27 17:55:42 2191
Python设计模式设计模式（DesignPattern）是一套被反复使用、多数人知晓的、经过分类的、代码设计经验的总结。使用设计模式的目的：为了代码可重用性、让代码更容易被他人理解、保证代码可靠性。设计模式使代码编写真正工程化；设计模式是软件工程的基石脉络，如同大厦的结构一样。所有的设计模式示例都是来源于菜鸟教程，每个设计模式的UML都可以在菜鸟教程中找到相应的示例github地址：Python设计模式以工厂模式为例：工厂模式在菜鸟教程中的UML图为工厂
系统 2019-09-27 17:55:33 2191
说到WebFramework，Ruby的世界Rails一统江湖，而Python则是一个百花齐放的世界，各种micro-framework、framework不可胜数，不完全列表见：http://wiki.python.org/moin/WebFrameworks虽然另一大脚本语言PHP也有不少框架，但远没有Python这么夸张，也正是因为PythonWebFramework（PythonWeb开发框架，以下简称Python框架）太多，所以在Python社区
系统 2019-09-27 17:55:32 2191
一、I/O模型IO在计算机中指Input/Output，也就是输入和输出。由于程序和运行时数据是在内存中驻留，由CPU这个超快的计算核心来执行，涉及到数据交换的地方，通常是磁盘、网络等，就需要IO接口。同步（synchronous）IO和异步（asynchronous）IO，阻塞（blocking）IO和非阻塞（non-blocking）IO分别是什么，到底有什么区别？这个问题其实不同的人给出的答案都可能不同，比如wiki，就认为asynchronousI
系统 2019-09-27 17:55:10 2191
最近的django开发中用到了有序字典，所以研究了一下，以下。示例：有序字典和通常字典类似，只是它可以记录元素插入其中的顺序，而一般字典是会以任意的顺序迭代的。普通字典：由上面的结果可以看出对普通字典进行遍历，输出结果是无序的。下面是有序字典（需要导入collections包）：对比两种输出结果，不难发现，有序字典可以按字典中元素的插入顺序来输出。上面两个例子之所以字典中插入元素，而不是一开始就将字典中的元素定义好，是因为有序字典的作用只是记住元素插入顺序
系统 2019-09-27 17:55:00 2191
一、概论C4.5主要是在ID3的基础上改进，ID3选择（属性）树节点是选择信息增益值最大的属性作为节点。而C4.5引入了新概念“信息增益率”,C4.5是选择信息增益率最大的属性作为树节点。二、信息增益以上公式是求信息增益率（ID3的知识点）三、信息增益率信息增益率是在求出信息增益值在除以。例如下面公式为求属性为“outlook”的值：四、C4.5的完整代码fromnumpyimport*fromscipyimport*frommathimportlogim
系统 2019-09-27 17:54:47 2191
目录一、方法一：通过正常方法（low）二、通过脚本的方式进行项目部署三、通过docker部署（完美的办法）一、方法一：通过正常方法（low）1、生成requirements文件，即项目依赖的包#cd到项目目录下pipfreeze>requirements.txt2、创建虚拟环境python-mvenvvenv(这个是虚拟环境名称)3、激活虚拟环境#进入venv虚拟环境下的bin目录，执行sourceactivate4、上传项目到服务器（复制，gitpull
系统 2019-09-27 17:53:51 2191
