邻近算法（k-NearestNeighbor)是机器学习中的一种分类（classification）算法，也是机器学习中最简单的算法之一了。虽然很简单，但在解决特定问题时却能发挥很好的效果。因此，学习kNN算法是机器学习入门的一个很好的途径。kNN算法的思想非常的朴素，它选取k个离测试点最近的样本点，输出在这k个样本点中数量最多的标签（label）。我们假设每一个样本有m个特征值（property），则一个样本的可以用一个m维向量表示:X=（x1，x2，.
系统 2019-09-27 17:54:43 1842
在Python3.5（含）以前，字典是不能保证顺序的，键值对A先插入字典，键值对B后插入字典，但是当你打印字典的Keys列表时，你会发现B可能在A的前面。但是从Python3.6开始，字典是变成有顺序的了。你先插入键值对A，后插入键值对B，那么当你打印Keys列表的时候，你就会发现B在A的后面。不仅如此，从Python3.6开始，下面的三种遍历操作，效率要高于Python3.5之前：forkeyin字典forvaluein字典.values()forkey
系统 2019-09-27 17:52:03 1842
1、str.split不支持正则及多个切割符号，不感知空格的数量，比如用空格切割，会出现下面情况。>>>s1="aabbcc">>>s1.split('')['aa','bb','','cc']因此split只适合简单的字符分割2、re.split，支持正则及多个字符切割>>>printlineabcaa;bb,cc|dd(xx).xxx12.12'xxxx按空格切>>>re.split(r'',line)['abc','aa;bb,cc','|','d
系统 2019-09-27 17:50:51 1842
某天回家之时，听到有个朋友说起他正在做一个车牌识别的项目于是对其定位车牌的位置算法颇有兴趣，今日有空得以研究，事实上车牌识别算是比较成熟的技术了，这里我只是简单实现。我的思路为：对图片进行一些预处理，包括灰度化、高斯平滑、中值滤波、Sobel算子边缘检测等等。利用OpenCV对预处理后的图像进行轮廓查找，然后根据一些参数判断该轮廓是否为车牌轮廓。效果如下：test1：test2实现代码如下（对图像预处理（滤波器等）的原理比较简单，这里只是对一些函数进行调包
系统 2019-09-27 17:50:43 1842
在继续阅读本文之前，您务必要对我们在本专栏中将要讨论的一些技术有所了解。我们要使用的技术包括：可扩展的样式表语言转换（ExtensibleStylesheetLanguageTransformations，XSLT）、XML路径语言（XMLPathLanguage，XPath）和资源描述框架（ResourceDescriptionFramework，RDF）。在参考资料部分有到关于所有这些技术的信息的链接。4SuiteServer概述我们将使用由本文作者参
系统 2019-09-27 17:49:38 1842
本文实例讲述了python+numpy实现的基本矩阵操作。分享给大家供大家参考，具体如下：#!usr/bin/envpython#coding:utf-8#学习numpy中矩阵的代码笔记#2018年05月29日15:43:40#参考网站：http://cs231n.github.io/python-numpy-tutorial/importnumpyasnp#==================矩阵的创建，增删查改，索引，运算===============
系统 2019-09-27 17:49:00 1842
准确获得页面、窗口高度及宽度的JSfunctiongetPageSize(){varxScroll,yScroll;if(window.innerHeight&&window.scrollMaxY){xScroll=document.body.scrollWidth;yScroll=window.innerHeight+window.scrollMaxY;}elseif(document.body.scrollHeight>document.body.of
系统 2019-08-29 23:47:45 1842
在学习python的时候，三大“名器”对没有其他语言编程经验的人来说，应该算是一个小难点，本次博客就博主自己对装饰器、迭代器和生成器理解进行解释。为什么要使用装饰器什么是装饰器？“装饰”从字面意思来谁就是对特定的建筑物内按照一定的思路和风格进行美化的一种行为，所谓“器”就是工具，对于python来说装饰器就是能够在不修改原始的代码情况下给其添加新的功能，比如一款软件上线之后，我们需要在不修改源代码和不修改被调用的方式的情况下还能为期添加新的功能，在pyth
系统 2019-09-27 17:54:20 1841
模式参数的说明：r：以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。r+：打开一个文件用于读写。文件指针将会放在文件的开头。w：打开一个文件只用于写入。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。w+：打开一个文件用于读写。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。a：打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。
系统 2019-09-27 17:52:46 1841
数据描述每条数据项储存在列表中，最后一列储存结果多条数据项形成数据集data=[[d1,d2,d3...dn,result],[d1,d2,d3...dn,result],..[d1,d2,d3...dn,result]]决策树数据结构classDecisionNode:'''决策树节点'''def__init__(self,col=-1,value=None,results=None,tb=None,fb=None):'''初始化决策树节点args：co
系统 2019-09-27 17:50:26 1841
