一、模型方法本工程采用的模型方法为朴素贝叶斯分类算法，它的核心算法思想基于概率论。我们称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。朴素贝叶斯是贝叶斯决策理论的一部分，所以讲述朴素贝叶斯之前有必要快速了解一下贝叶斯决策理论。假设现在我们有一个数据集，它由两类数据组成，数据分布如下图所示。我们现在用p1(x,y)表示数据点(x,y)属于类别1（图中用圆点表示的类别）的概率，用p2(x,y)表示数据点(x,y)属于类别2（图中用三角形表示的类别
系统 2019-09-27 17:56:45 2288
反射描述反射就是指在程序运行时,动态的去确定对象的类型,并且可以通过字符串的的形式去调用对应的属性,方法,导入模块,是一种基于字符串的事件驱动举一个例子:classStudent:def__init__(self):self.name='mhy'self.price='5000'obj1=Student()content=input('>>>:')#这里输入的name是字符串#如果不知道反射，我们平常都是这么根据输入调用的ifcontent=='name'
系统 2019-09-27 17:56:45 2288
字体染色我是黑体字我是微软雅黑我是华文彩云color=#0099ffsize=72face="黑体"color=#00ffffcolor=gray
系统 2019-09-27 17:56:41 2288
使用scipy.signal的argrelextrema函数(API)，简单方便importnumpyasnpimportpylabasplimportmatplotlib.pyplotaspltimportscipy.signalassignalx=np.array([0,6,25,20,15,8,15,6,0,6,0,-5,-15,-3,4,10,8,13,8,10,3,1,20,7,3,0])plt.figure(figsize=(16,4))plt
系统 2019-09-27 17:56:11 2288
这里用到django-rest-framework-jwt这个库https://github.com/GetBlimp/django-rest-framework-jwt按流程图来先通过wx.login()获取code,再通过我们后台配置的接口获取openid和session_key//登录wx.login({success:res=>{console.log(res)//发送res.code到后台换取openId,sessionKey,unionIdwx
系统 2019-09-27 17:54:52 2288
本章节将为大家介绍Python循环语句的使用。Python中的循环语句有for和while。Python循环语句的控制结构图如下所示：while循环Python中while语句的一般形式：while判断条件：语句同样需要注意冒号和缩进。另外，在Python中没有do..while循环。以下实例使用了while来计算1到100的总和：#!/usr/bin/envpython3n=100sum=0counter=1whilecounter<=n:sum=sum
系统 2019-09-27 17:53:15 2288
目录基本排序算法按时间复杂度分类冒泡排序插入排序选择排序基本排序算法按时间复杂度分类O（n^2）冒泡排序插入排序选择排序Q(nlogn)分而治之快速排序归并排序冒泡排序相邻的两个元素对比，大的数后推，遍历整个列表一次后，将最大项以冒泡的方式排列到列表末尾。简易版冒泡排序示例如下defbubble(sl):"""冒泡排序，O(n^2)相邻的两个元素对比，大的后推，遍历整个列表一次后，将最大项(i)以冒泡的方式排列到列表末尾:paramsl:list:retu
系统 2019-09-27 17:51:12 2288
本文主讲Python中Numpy数组的类型、全0全1数组的生成、随机数组、数组操作、矩阵的简单运算、矩阵的数学运算。尽管可以用python中list嵌套来模拟矩阵，但使用Numpy库更方便。定义数组>>>importnumpyasnp>>>m=np.array([[1,2,3],[2,3,4]])#定义矩阵，int64>>>marray([[1,2,3],[2,3,4]])>>>m=np.array([[1,2,3],[2,3,4]],dtype=np.f
系统 2019-09-27 17:50:51 2288
最近为客户修复损坏的jpg写的，效果还可以，但不保证适用任何情况。如果你有损坏照片，不妨试一试，如果可以使用给我留个言哦。复制代码代码如下:#-*-coding:utf8-*-#!/usr/bin/envpython__author__='fengxing'__date__='2012-1-1820:13'importsysdefjpgfix(name):sig='\xFF\xD8\xFF\xDB'withopen(name,"r")asfd:fd.see
系统 2019-09-27 17:48:55 2288
Pythonapply函数1、介绍apply函数是pandas里面所有函数中自由度最高的函数。该函数如下：DataFrame.apply(func,axis=0,broadcast=False,raw=False,reduce=None,args=(),**kwds)该函数最有用的是第一个参数，这个参数是函数，相当于C/C++的函数指针。这个函数需要自己实现，函数的传入参数根据axis来定，比如axis=1，就会把一行数据作为Series的数据结构传入给自
系统 2019-09-27 17:47:17 2288
