Xinhecuican's Blog

numpy用于矩阵计算，内置了大量矩阵计算的函数，并且速度也比列表快 创建 import numpy as npa = [1, 2, 3]b = [[1,2], [2, 3], [5, 8]]c = np.array(a)d = np.array(b, int) 通过array就把列表转化成了numpy的矩阵 ones(shape, dtype): 这个是创建值全为1的矩阵，shape是矩阵的行和列数，dtype是矩阵数据类型。 zeros(shape, dtype): 创建全是零的矩阵 full(shape, constant_value, dtype): 创建指定数值的矩阵。其中constant_value是用来填充矩阵的值 eye(N): 创建单位矩阵，N是矩阵的维度 diag(v, k): 创建对角矩阵。v如果是一维则是创建对角矩阵，如果是二维是获取对角线上的元素。k=0表示获取主对角线上元素，k>0则获取主对角线上方第k条对角线元素 创建随机数组 np.random.rand(shape): 创建一个值在0到1的随机数组。例如np.random.ran ...

逻辑回归（logistic regression)非线性回归例子：.这个例子中的关系不能很好的用线性关系进行模拟，所以我们要另外做曲线模拟它。 为了更好的处理，还需要用sigmoid函数平滑化。 sigmoid函数图像为 所以预测函数为： 我们要求解的问题可以转化成，求解一组参数使得J()最小化。求解方法时求偏导让导数为零。 当然上面这个方法求解过于复杂，我们也可以使用梯度下降的方法。非线性方程其实就是一个超平面，我们可以求偏导找出梯度，沿着梯度下降的方向不断走就可以找到最低点。 求解函数为 其中a是更新率（learning weight） 所以求完偏导的结果为： h(x) = theta * x(i) 这就是更新函数，我们呢需要重复更新直到 收敛 实例import numpy as npimport randomdef genData(numPoints,bias,variance):# 产生实验数据，其中numpoint是实验个数，bias是偏差，variance是方差 x = np.zeros(shape=(numPoints,2)) y = np. ...

基本概念简单线性回归指的是只有一个x和一个y 用来描述自变量和因变量及偏差之间关系的模型叫做回归模型 简单线性回归的模型是： b0是截距，b1是斜率，e是偏差。 关于偏差 他是一个随机变量，均值是0 它的方差对于所有自变量x是相同的 它的值是独立的 它满足正太分布 线性回归方程就是少了偏差，其他和基本模型是相同的。 我们现在给若干x和y，要解决的问题是找出最好的截距和斜率。 线性回归的求解我们要找最能代表趋势的直线，实际上就是要找距离所有点最近的直线。 我们就是要找一条直线使得这个值最小，其中y^i是用这条直线求出来的估计值，yi是这个点的值。 求解这个问题的数学公式 多元线性回归它与一元线性回归的区别就是有多个自变量 具体模型求解过程涉及线代高数等内容，这里不再详解。 使用：from numpy import genfromtxtfrom sklearn import linear_modeldataPath = r"Delivery.csv"deliveryData = genfromtxt(dataPath,delimiter=',' ...

大致步骤KNN是最临近规则分类算法。 为了判断未知分类，我们需要用已知分类进行参照。 选择参照物个数k。 k的取值一般都比较小，可以是1,3,5,7等数，通过实验得知哪个比较好就用哪个。一般用奇数，避免两边数目相同 选择最近的k个实例然后看他们都属于哪个类，让这个实例成为数目最多的实例。 距离衡量方法 EUclidean Distance方法。和距离公式类似，对应特征值相减平方再开根号。 例： from sklearn import neighborsfrom sklearn import datasets # 这个库中自带一些有名的数据集knn = neighbors.KNeighborsClassifier() # 创建分类器iris = datasets.load_iris() # 导入数据集knn.fit(iris.data, iris.target)predictedLabel = knn.predict({% post_link 0.1, 0.2, 0.3, 0.4 %})

time time(): 输出从1970年1月1日到现在时间时间差（以秒为单位）。可以用来获取程序运行时间。 gmtime(): 获取utc时间。返回一个struct_time对象 localtime(): 获取本地时间,也是返回struct_time对象 ctime(): 获取本地时间的字符串 mktime(t): 把struct_time类型的t转化成时间差（从1970到现在） strftime(“%Y-%m-%d %H:%M:%S”, t): 格式化t.例如2020-02-02 01:02:03 strptime(timestring, “…”): 将格式为…的timestring转化成struct_time sleep(): 进程睡眠 perf_counter(): 用来计时。和time类似，但精度更高 random seed(): 初始化随机数种子 random(): 生成一个0到1的小数 randint(a, b): 生成a到b的随机整数 getrandbits(k): 生成一个kbit长的随机整数 randrange(start, stop, step): 生成 ...

requestsrequests用来爬取网站上的信息。有七个主要方法 r = requests.get(url， params， ** kwargs): url是你想爬取网站的url。通过get构造了一个向服务器请求资源的Request对象。返回一个包含服务器资源的Response对象。 head(): 获取网页头部信息 post(url, data, json, kwargs): 在后面添加数据。默认如果是列表等会存储到form字段下，如果是字符串会存在data字段下 put(): 覆盖网页某一字段数据。例如上传字符串会把data字段覆盖 patch(): 删改某一位置信息（和put的区别是put必须全部删除，patch只需要修改需要改的部分） delete(): 删除url处的资源 request(method, url, ** kwargs): method有七种，分别是’GET’,’OPTIONS’等，注意其中delete是小写。 kwargs参数（get,put, patch要比request少params，head,delete相同，post11个）： params： ...

事件处理事件就是状态改变时发出的信号，然后你可以通过绑定指定一个函数去处理。例如按下按钮就产生了一个事件，之后可以让一个函数去处理按下按钮之后的反应。 绑定函数使用 Bind(event, handler, source=None, id=wx.ID_ANY, id2=wx.ID_ANY).event是产生的事件，handler是处理事件的方法,source是触发事件的对象。 例如 Bind(wx.EVT_BUTTON, self.Button_enter, button1)这样button1按下时会使用Button_enter函数 Frame方法： Wx.Frame (parent, id, title, pos, size, style, name) parent是窗口父类，主要控制打开这个窗口时显示位置，一般显示在父窗口中央。如果是None显示在屏幕正中央。 id是窗口标识，一般选-1让id自动生成。 pos是左上角位置，用元组表示，例如(0,0),wx.DefaultPosition是由操作系统决定. size是长和宽，wx.DefaultSize 是由操作系统决定。 sty ...

首先要了解红黑树. 顺序统计树指示在普通的红黑树上附加了一个参量，x->size。这个参量表示的是该节点的子树含有元素个数。 为了找出第i小的关键字，可以用： select(node* x, int i){ int r = x->left->size + 1; //x的序号，因为红黑树也是一个排序树，所以x一定比左边元素都大 if(i == r) { return x; } else if(i < r) { return select(x->left, i); } else { return select(x->right, i-r); }} 确定一个元素的秩 秩指的是排第几号元素。rank(node* t, node* x){ int r = x->left->size + 1; node* y = x; while ...

Border边框边框创建与设置Border border = BorderFactory.createXxxxBorder(...);jComponent.setBorder(border);//设置边框BorderFactory中的边框 使用BorderFactory中的静态方法创建边框 createEmptyBorder()： 空边框 createEmptyBorder(int top, int left, int bottom, int right)： createLineBorder(Color color)： 线边框。color是线的颜色 createLineBorder(Color color, int thickness, boolean rounded)： thickness是线宽，rounded是是否有圆角 createTitledBorder(Border border, String title, int titleJustification, int titlePosition, Font titleFont, Color titleColor)：标题边 ...

插入排序稳定？不稳定： 稳定指的是两个相同的元素排序完成之后在表中相对位置不变。 直接插入当插入第i个时，前i-1个已经排好了。 int tag = 0;for(int i=1; i<n; i++){ if(a[i]<a[i-1]) { tag = a[i]; int temp; for(int k=i-1; k>=0; k--) { if(a[k]>tag) { a[k+1] = a[k]; temp = k; } else { break; } } a[k+1] = tag; }} 默认第一个已经排好，从第二个开始从后往前排，如果第k个数比要 ...