基于sklearn的线性分类器logistics（对数几率回归）Python实现声明：本人小白，文章作为自己的学习参考资料，供大家学习交流本文章referto作者：月见樽链接：https://www.jianshu.com/p/f9cb59dc99ec来源：简书作者：周志华书名：《机器学习》出版社：清华大学出版社感谢此文章及书籍原创者如有侵犯您的知识产权和版权问题，请通知本人，本人会即时做出处理并删除文章Email：louhergetup@gmail.co
系统 2019-09-27 17:57:32 2546
前言优化随机森林算法，正确率提高1%~5%（已经有90%+的正确率，再调高会导致过拟合）论文当然是参考的，毕竟出现早的算法都被人研究烂了，什么优化基本都做过。而人类最高明之处就是懂得利用前人总结的经验和制造的工具（说了这么多就是为偷懒找借口。hhhh）优化思路1.计算传统模型准确率2.计算设定树木颗数时最佳树深度，以最佳深度重新生成随机森林3.计算新生成森林中每棵树的AUC，选取AUC靠前的一定百分比的树4.通过计算各个树的数据相似度，排除相似度超过设定值
系统 2019-09-27 17:54:33 2546
目录1、正则表达式语法¶2、Python正则表达式1>一般字符2>字符集合1、正则表达式语法¶先看图片，大概了解一下正则表达的整体规则2、Python正则表达式1>一般字符一般字符串，就是特殊制定，根据特殊的字符串进行识别PS：python进行正则表达的一般步骤指定好匹配的模式-pattern选择相应的方法-match,search等得到匹配结果-group设定一个输入：input,并导入需要的re包importreinput='python学习很重要，正
系统 2019-09-27 17:53:28 2546
昨晚今晚写了两晚，总算把PyPortScanner写完了，姑且称之为0.1版本，算是一个Python多线程端口扫描工具。水平有限，实话中间有一些困惑和不解的地方，代码可能也写的比较乱。有些问题并未找到很好的解决方法，还望大家谅解。速度大家自己试验，我感觉还行。送上效果图两份，分别是扫单IP和扫IP段：源码：复制代码代码如下:#-*-coding:utf-8-*-__author__='Phtih0n'importthreading,socket,sys,c
系统 2019-09-27 17:52:54 2546
有的时候需要将两组数据，比如特征和标签放在一起随机打乱，但是又想记录这种打乱的顺序，那么该怎么做呢？下面是一个很好的方法：b=[1,2,3,4,5,6,7,8,9]a=['a','b','c','d','e','f','g','h','i']c=list(zip(a,b))print(c)random.Random(100).shuffle(c)print(c)a,b=zip(*c)print(a)print(b)输出：[('a',1),('b',2),(
系统 2019-09-27 17:52:33 2546
在我们的日常工作自动化测试当中，几乎超过一半的功能都需要利用定时的任务来推动触发，例如在我们项目中有一个定时监控模块，根据自己设置的频率定时跑测试用例，定时检测是否存在线上紧急任务等等，这些都涉及到了有关定时任务的问题，很多情况下，大多数人会选择window的任务计划程序，但如果程序不在window平台下运行，就不能定时启动了；当然也可利用time模块的time.sleep()方法使程序休眠来达到定时任务的目的，但定时任务多了，代码可能看起来不太那么友好且
系统 2019-09-27 17:51:21 2546
因为很多时候要涉及到url的编码和解码工作，所以自己制作了一个类，废话不多说码上见！#coding:utf-8importurllib.parseclassUrlchuli():"""Url处理类，需要传入两个实参：Urlchuli('实参','编码类型')，默认utf-8url编码方法：url_bm()url解码方法：url_jm()"""def__init__(self,can,mazhi='utf-8'):self.can=canself.mazhi
系统 2019-09-27 17:50:45 2546
createtime:2019年7月8日我在网上找了好多，现在基本实现了传输视频的功能，其思路是：首先得先了解如何使用openCV采集摄像头数据，其次得了解pythonsocket网络编程。因为socket不能直接传输openCV采集的数据，所以还需要转码操作。在该版本我实现最基本的功能，客户端采集，服务端接收（也可以倒过来，看个人需求），使用类实现。服务端#!usr/bin/python#coding=utf-8importsocketimportcv2
系统 2019-09-27 17:50:00 2546
NumPy是Python中众多科学软件包的基础。它提供了一个特殊的数据类型ndarray，其在向量计算上做了优化。这个对象是科学数值计算中大多数算法的核心。相比于原生的Python，利用NumPy数组可以获得显著的性能加速，尤其是当你的计算遵循单指令多数据流（SIMD）范式时。然而，利用NumPy也有可能有意无意地写出未优化的代码。在这篇文章中，我们将看到一些技巧，这些技巧可以帮助你编写高效的NumPy代码。我们首先看一下如何避免不必要的数组拷贝，以节省时
系统 2019-09-27 17:48:48 2546
PYTHON首先要安装scapy模块PY3的安装scapy-python3，使用PIP安装就好了,注意,PY3无法使用pyinstaller打包文件,PY2正常PY2的安装scapy，比较麻烦fromscapy.allimport*pcaps=rdpcap("file.pcap")pcaps便是解析后的类似结构体的东西了packet=pcaps[0]#第1个数据包结构packet.time#数据包时间戳packet[Raw].load#PY3读取节点数据方
系统 2019-09-27 17:46:16 2546
