Python机器学习及实践——基础篇：监督学习经典模型（分类学习）机器学习中监督学习模型的任务重点在于，根据已有经验知识对未知样本的目标/标记进行预测。根据目标预测变量的类型不同，可以把监督学习任务大体分为分类学习和回归预测两类。监督学习任务的基本架构和流程：首先准备训练数据，可以是文本、图像、音频等；然后抽取所需要的特征，形成特征向量（FeatureVectors）；接着，把这些特征向量连同对应的标记/目标(Labels)一并送入学习算法(Machine
系统 2019-09-27 17:47:43 2460
看到好几位博主通过对模块的各个击破学习python，我也效法一下，本篇说一下python中加密涉及到的模块。hashlibhashlib模块支持的加密算法有md5sha1sha224sha256sha384sha512(加密原理请参考此处)，使用起来也很简单。以md5加密为例，有两种方法：一、追加模式代码示例：复制代码代码如下:importhashlib#引入hashlib模块mm=hashlib.md5()#创建一个md5对象mm.update("Hel
系统 2019-09-27 17:45:39 2460
本文实例展示了PythonTkinter实现简单布局的方法，示例中备有较为详尽的注释，便于读者理解。分享给大家供大家参考之用。具体如下：#-*-coding:utf-8-*-fromTkinterimport*root=Tk()#80x80代表了初始化时主窗口的大小，0，0代表了初始化时窗口所在的位置root.geometry('80x80+10+10')#填充方向'''Label(root,text='l1',bg='red').pack(fill=Y)
系统 2019-09-27 17:45:34 2460
准备工作：到企业微信官网，注册一个企业；登录企业微信后台，创建一个“自建”应用，获取企业ID、agentid、secret这3个必要的参数；在企业微信的通讯录中，创建多个测试账号；在手机端安装“企业微信”APP，使用测试账号登录到企业微信，准备接收消息。程序代码：企业微信提供API开发接口，通过HTTPS的GET、POST方法与企业微信后台进行交互，完成获取令牌、发送数据、获取数据的操作。Python代码主要使用requests库，将企业微信API进行简单
系统 2019-09-27 17:56:29 2459
目录写在前面一：使用数据库的宏观过程二：数据库使用1、导入数据库模块2、打开数据库2.1、在硬盘上建立数据库2.2、在内存上建立数据库3、创建游标4、执行SQL语句4.1、创建表4.2、新增数据4.2、更新数据4.3、删除数据4.4、查询数据4.5、删除表5、查询并显示数据5.1、全部显示5.2、显示一条5.2、显示多条6、事务提交或回滚6.1、提交6.2、回滚7、关闭数据库连接和游标写在前面SQLite3数据库是一款非常小巧轻量级的嵌入式开源数据库软件，
系统 2019-09-27 17:55:21 2459
一简单介绍wxpy基于itchat，使用了Web微信的通讯协议，，通过大量接口优化提升了模块的易用性，并进行丰富的功能扩展。实现了微信登录、收发消息、搜索好友、数据统计等功能。总而言之，可用来实现各种微信个人号的自动化操作。（http://wxpy.readthedocs.io/zh/latest/bot.html）安装：wxpy支持Python3.4-3.6，以及2.7版本pip3install-Uwxpy安装pillow模块pip3installpil
系统 2019-09-27 17:55:01 2459
Flaskapp配置配置内容：文件夹路径，运行的文件类型，文件大小限制fromflaskimportFlaskFILE_FOLDER='path/to/file_folder'ALLOWED_EXTENSIONS=set(['png','jpg','jpeg'])app=Flask(__name__)app.config['UPLOAD_FOLDER']=FILE_FOLDERapp.config['MAX_CONTENT_LENGTH']=16*1024
系统 2019-09-27 17:52:33 2459
作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释通过从单个决策树构建来使用和理解随机森林幸运的是，对于像Scikit-Learn这样的库，现在很容易在Python中实现数百种机器学习算法。这很容易，我们通常不需要任何关于模型是如何工作的知识来使用它。虽然不需要知道所有细节，但了解机器学习模型
系统 2019-09-27 17:50:48 2459
Pandas按行遍历Dataframe的方法主要有两种：iterrows()和itertuples()，具体用法如下：#构建数据集importpandasaspdimportnumpyasnpN=20dataset=pd.DataFrame({'date':pd.date_range(start='2016-01-01',periods=N,freq='D'),'x1':np.linspace(0,stop=N-1,num=N),'x2':np.rando
系统 2019-09-27 17:48:46 2459
在Python2中datetime对象没有timestamp方法，不能很方便的生成epoch，现有方法没有处理很容易导致错误。关于Epoch可以参见时区与Epoch0Python中生成Epochfromdatetimeimportdatetime#python3datetime.now().timestamp()#python2importtimetime.mktime(datetime.now().timetuple())#为了兼容python2和3，该
系统 2019-09-27 17:38:23 2459
类型转换魔法类型转换魔法其实就是实现了str、int等工厂函数的结果，通常这些函数还有类型转换的功能，下面是一些相关的魔法方法：•__int__(self)•转换成整型，对应int函数。•__long__(self)•转换成长整型，对应long函数。•__float__(self)•转换成浮点型，对应float函数。•__complex__(self)•转换成复数型，对应complex函数。•__oct__(self)•转换成八进制，对应oct函数。•__
系统 2019-09-27 17:37:52 2459
工具|搭建python环境实现python2版本与python3版本的环境搭建。正文1.Python下载官网:www.python.org下载:(64位3.5.2Windowsx86-64executableinstaller或32位3.7.1Windowsx86executableinstaller)(64位2.7.12Windowsx86-64MSIinstaller或32位2.7.12Windowsx86MSIinstaller)2.Python安装
系统 2019-09-27 17:57:40 2458
Python很慢和/或它不是的两个最常见的原因高性能：解读GIL第一个是相当直接的，但在高级别编译器将更高级别的语言翻译成更低级别（更快）的语言，因此编译语言几乎总是比非编译语言执行得更快。这个经验法则有一些例外（例如JIT可能比AOT编译更快的情况），但它们会分散讨论。第二个是更臭名昭着，但是Python有一个叫做全局解释器锁的东西，它通过强制解释器一次只在一个进程（Python解释器的实例）中执行单个线程来基本上防止多线程。它的工作原理也很有趣，但也像
系统 2019-09-27 17:57:24 2458
本文借用HTML的css语法，将样式表应用到窗口部件。这里只是个简单的例子，实际上样式表的语法很丰富。以下类似于css：StyleSheet="""QComboBox{color:darkblue;}QLineEdit{color:darkgreen;}QLineEdit[mandatory="true"]{#mandatory="true"时，QLineEdit的样式会变化background-color:rgb(255,255,127);color:d
系统 2019-09-27 17:56:03 2458
需求：将utf-8格式的文件转换成gbk格式的文件实现代码如下：复制代码代码如下:defReadFile(filePath,encoding="utf-8"):withcodecs.open(filePath,"r",encoding)asf:returnf.read()defWriteFile(filePath,u,encoding="gbk"):withcodecs.open(filePath,"w",encoding)asf:f.write(u)de
系统 2019-09-27 17:52:51 2458
