话不多说，让我们从最基本的排序算法开始吧插入排序如下图所示，插入排序的实现思路顾名思义，就是不断地在一个已经是有序的数组中，寻找合适位置并插入新元素。具体实现步骤为：首先我们把整个数组拆分为有序区间和未排序区间，有序区间在插入排序一开始只有一个元素，就是数组的第一个元素。接在有序区间之后的一个元素就是准备插入的元素，在图中就是标为绿色的元素，在有序区间内寻找位置并插入。其寻找逻辑为：从后往前依次进行比较，如果待插入元素大于当前元素，则将待插入元素插入到当前
系统 2019-09-27 17:57:14 2620
一、引言在现实生活中，有许多只有正样本和大量未标记样本的例子。这是因为负类样本的一些特点使得获取负样本较为困难。比如：负类数据不易获取。负类数据太过多样化。负类数据动态变化。举一个形象点的例子：比如在推荐系统里，只有用户点击的正样本，却没有显性负样本，我们不能因为用户没有点击这个样本就认为它是负样本，因为有可能这个样本的位置很偏，导致用户没有点。因此，有研究人员开始关注PULearning（Positive-unlabeledlearning），即在只有正
系统 2019-09-27 17:56:04 2620
【机器学习】隐马尔可夫模型及其三个基本问题（四）状态序列预测算法及python实现一、维特比算法二、python实现参考资料隐马尔可夫模型状态序列预测问题是指给定模型λ=[A,B,∏]\lambda=\left[{A,B,\prod}\right]λ=[A,B,∏]和观测序列X={x1,x2,⋯,xn}X=\left\{{{x_1},{x_2},\cdots,{x_n}}\right\}X={x1,x2,⋯,xn}，求最可能出现的对应状态序列。本篇博
系统 2019-09-27 17:47:13 2620
在Python里面，使用Pandas里面的DataFrame来存放数据的时候想要把数据集进行shuffle会许多的方法，本文介绍两种比较常用而且简单的方法。应用情景：我们有下面以个DataFrame我们可以看到BuyInter的数值是按照0,-1,-1,2,2,2,3,3,3,3这样排列的，我们希望不保持这个次序，但是同时列属性又不能改变，即如下效果：实现方法：最简单的方法就是采用pandas中自带的sample这个方法。假设df是这个DataFramed
系统 2019-09-27 17:53:55 2619
PageObject模式是Selenium中的一种测试设计模式，主要是将每一个页面设计为一个Class，其中包含页面中需要测试的元素（按钮，输入框，标题等），这样在Selenium测试页面中可以通过调用页面类来获取页面元素，这样巧妙的避免了当页面元素id或者位置变化时，需要改测试页面代码的情况。当页面元素id变化时，只需要更改测试页Class中页面的属性即可。PageObject模式是一种自动化测试设计模式，将页面定位和业务操作分开，分离测试对象（元素对象
系统 2019-09-27 17:52:50 2619
前提：isp得支持web登录的方式。说明：每个ISP的登录页面不一样，不过我估计算法都是一样的，于是解决方案应该也是相似的，只是表单的key可能不太一样。首先，分析登录页面。页面head镶嵌了
系统 2019-09-27 17:48:14 2619
前言使用pytest-cov无法统计用api调用服务的测试脚本所覆盖率，但大部分的项目基本也是使用api调用。所以我们额外需要使用coverage.pyapi来统计。当你安装pytest-cov时，已经默认安装了coverage这个库。服务启动要想扫描到代码，必须在服务启动的时候要插入coverage相关配置。我这边是flask启动的，所以在flask启动的代码上添加，如下：if__name__=='__main__':cov=Coverage()cov.
系统 2019-09-27 17:48:14 2619
最近一直在看文本挖掘这块儿，看了许多机器学习相关的资料，在这里做个笔记分享给大家，有供自己日后学习浏览。码字不易，喜欢请点赞！！！这篇推文主要介绍Python实现SVM的案例，后期会更新加强版。这里主要讲的是使用Python的Sklearn包实现SVM样本分类，而不包括SVM的理论推导，我在看SVM的理论的时候看了很多网上的博客，有很多都写的不错，这里推荐，July写的支持向量机通俗导论（理解SVM的三层境界），而且作者将其制作成了pdf版本，可以下载下来
系统 2019-09-27 17:56:32 2618
测试数据：坐标数据：testExcelData.xlsx使用python读取excel文件需要安装xlrd库：xlrd下载后的压缩文件：xlrd-1.2.0.tar.gz解压后再进行安装即可，具体安装方法请另行百度。代码importxlrdimportmatplotlib.pyplotaspltimportnumpyasnp#打开文件data=xlrd.open_workbook(r'testExcelData.xlsx')#获取表格数目nums=len(
系统 2019-09-27 17:55:17 2618
1.背景在深度学习的任务中，通常需要比较长时间的训练，因此我们会选择离开电脑。笔者在跟踪模型表现，观察模型accuracy以及loss的时候，比较传统的方法是在控制台print输出或者直接使用tensorboard。但如果是你需要远程观察模型表现，那一个时刻记录的log文件就非常重要。（如果你希望不在实验室，远程通过访问正在训练网络的服务器的JupyterNotebook，实时查看实验进度。请参考――远程连接服务器端JupyterNotebook）2.lo
系统 2019-09-27 17:57:40 2617
利用Pxssh是pexpect库的ssh专用脚本环境：kali代码：'''Author:yw'''frompexpectimportpxsshimportoptparsefromthreadingimport*Max_Connect=5connection_lock=BoundedSemaphore(value=Max_Connect)defconnect(host,user,password):try:s=pxssh.pxssh()s.login(hos
系统 2019-09-27 17:56:05 2617
本文实例讲述了python中pygame模块用法，分享给大家供大家参考。具体方法如下：importpygame,sysfrompygame.localsimport*#setuppygamepygame.init()windowSurface=pygame.display.set_mode((500,400),0,32)pygame.display.set_caption("hello,world")BLACK=(0,0,0)WHITE=(255,255,
系统 2019-09-27 17:55:30 2617
OpenCV-Python官方文档关于图像傅里叶变换和反变换的教程网址：https://docs.opencv.org/4.1.0/de/dbc/tutorial_py_fourier_transform.html目标我们将要学习：•使用OpenCV对图像进行傅里叶变换（DFT）：cv2.dft()，cv2.idft()•使用Numpy中FFT（快速傅里叶变换）函数：•傅里叶变换的一些用处•我们将要学习的函数有：cv2.dft()，cv2.idft()等原
系统 2019-09-27 17:47:27 2617
网络爬虫由于一个ip频繁访问同一网站，容易返回456或者被长时间封禁。特别的本机有socks5客户端的设置如下，前提是已经安装了socks5的客户端软件，并且启动起来在固定端口为本机提供服务。使用前先更新requests版本为支持socks的版本。pipinstall-Urequests[socks]importrequestsmy_proxies={"http":"http://127.0.0.1:1080","https":"https://127.0
系统 2019-09-27 17:56:50 2616
如果在子类中需要父类的构造方法就需要显式地调用父类的构造方法，或者不重写父类的构造方法。子类不重写__init__，实例化子类时，会自动调用父类定义的__init__。classFather(object):def__init__(self,name):self.name=nameprint("name:%s"%(self.name))defgetName(self):return'Father'+self.nameclassSon(Father):def
系统 2019-09-27 17:49:47 2616
