之前提到过聚类之后,聚类质量的评价: 聚类︱python实现 六大 分群质量评估指标(兰德系数.互信息.轮廓系数) R语言相关分类效果评估: R语言︱分类器的性能表现评价(混淆矩阵,准确率,召回率,F1,mAP.ROC曲线) . 一.acc.recall.F1.混淆矩阵.分类综合报告 1.准确率 第一种方式:accuracy_score # 准确率 import numpy as np from sklearn.metrics import accuracy_score y_pred = [0,

''' 在程序运行的过程中,如果发生了错误,可以事先约定返回一个错误代码,这样,就可以知道是否有错,以及出错的原因.在操作系统提供的调用中,返回错误码非常常见.比如打开文件的函数open(),成功时返回文件描述符(就是一个整数),出错时返回-1. 用错误码来表示是否出错十分不便,因为函数本身应该返回的正常结果和错误码混在一起,造成调用者必须用大量的代码来判断是否出错 ''' # Exception # 高级语言通常都内置了一套try...except...finally...的错误处理机制,Py

  在Web渗透流程的暴力登录场景和爬虫抓取场景中,经常会遇到一些登录表单用DES之类的加密方式来加密参数,也就是说,你不搞定这些前端加密,你的编写的脚本是不可能Login成功的.针对这个问题,现在有三种解决方式: ①看懂前端的加密流程,然后用脚本编写这些方法(或者找开源的源码),模拟这个加密的流程.缺点是:不懂JS的话,看懂的成本就比较高了: ②selenium + Chrome Headless.缺点是:因为是模拟点击,所以效率相对①.③低一些: ③使用语言调用JS引擎来执行JS函数.缺点是

深度学习的第一个实例一般都是mnist,只要这个例子完全弄懂了,其它的就是举一反三的事了.由于篇幅原因,本文不具体介绍配置文件里面每个参数的具体函义,如果想弄明白的,请参看我以前的博文: 数据层及参数 视觉层及参数 solver配置文件及参数 一.数据准备 官网提供的mnist数据并不是图片,但我们以后做的实际项目可能是图片.因此有些人并不知道该怎么办.在此我将mnist数据进行了转化,变成了一张张的图片,我们练习就从图片开始.mnist图片数据我放在了百度云盘. mnist图片数据下载:htt

一.整数 int(整形) 在32位机器上,整数的位数为32位,取值范围为-2**31~2**1-1,即-2147483648-2147483647 在64位系统上,整数的位数为64位,取值范围为-2**63-2**63-1,即-9223372036854775808-9223372036854775807 def bit_length(self): '''表示返回该数字的二进制占用的最小位数''' int.bit_length()-> int 案例: int_bit = 37 ret = int

#!/usr/bin/env python # -*- coding:utf-8 -*- import re def chu(arg1): #定义加减 arg = arg1[0] #beacuse price is a list ,so index 0 arg = arg.replace('--', '+').replace('++', '+').replace('-+', '-').replace('+-', '-') #重点重点重点:就是对负数的一个替换 # r = '-9-2-5-7588

#!/uer/bin/env python # _*_ coding: utf-8 _*_ import sys retry_limit = 3 retry_count = 0 account_file = 'accounts.txt' lock_file = 'account_lock.txt' while retry_count < retry_limit: #循环体限制3次内执行 username = raw_input('\033[32; Username : \033[0m') #输入

一.面向对象进阶 1．利用python反射查看面向对象成员 对于对象:反射既可以找对象,类的成员 对于类:反射只能找类中的成员 2．利用反射操作模块(查找类,创建对象,查找对象中字段) 1 2 3 4 5 6 7 8 9 #!/bin/env python # -*- coding:utf-8 -*- moudel = __import__('lianxi',fromlist=True) # 导入模块 c_name = getattr(moudel,'foo')      # 到模块中查找类 o

一.python生成/迭代器 yiled生成数据 python迭代器, 访问数据(通过next一次一次去取) 二.反射 通过字符串的形式,导入模块 通过字符串的形式,到模块中,寻找指定的函数,并执行 实质:以字符串的形式,到对象中,操作(更改,删除等)其方法(或叫做操作成员) __import__ 用于以字符串的形式寻找对象 getattr() 用于以字符串的形式去某个对象中寻找东西(函数,变量等) hasattr()  用于以字符串的形式去某个对象中判断东西(函数,变量等)是否存在,存在返回T

各种程序员所写的阶乘算法代码 # -*- coding: utf-8 -*- #新手程序员(递归) def factorial(x): if x == 0: return 1 else: return x * factorial(x - 1) print factorial(6) #有一年 Python 经验的程序员 def Factorial(x): res = 1 for i in xrange(2, x + 1): res *= i return res print Factorial(6

caffe是C++语言写的,可能很多人不太熟悉,因此想用更简单的脚本语言来实现.caffe提供matlab接口和python接口,这两种语言就非常简单,而且非常容易进行可视化,使得学习更加快速,理解更加深入. 半年前,我在学习CAFFE的时候,为了加深理解,因此写下了随笔,有了一系列的caffe学习文章.半年过去,很多人问到关于python接口和可视化的一些问题,现在有点空闲时间,就再次写下一些随笔,大家一起来学习.有些重复的内容,我就不再多讲,如果大家有兴趣可移步: 如何配置CAFFE的pyt

字符串(str):单引号''.双引号""嵌套使用,可以不使用转义字符:'abc"dd"ef'."acc'd'12",字符串不可以是多行的三单引号'''.三双引号"""用于多行字符串 转义字符串:\n,\t,\r,\\,\',\" 字符串运算:+,连接字符串*,单字符串多次连接 字符串处理函数:len(str):获取长度str.find(str1):获得str1在str中的起始位置,无返回-1str1.joi

字典 >>> aa={} >>> aa['wo']=[1,2,3,4] >>> aa['ni']=[5,6,7,8] >>> aa['zhang']=[20,'it','jp'] >>> aa['wu']=[30,'hr','cn'] >>> aa {'wo': [1, 2, 3, 4], 'ni': [5, 6, 7, 8], 'wu': [30, 'hr', 'cn'], 'zhang': [2

1.前提是引入import re 匹配邮箱后缀需要写入r=r'\.com\.cn|\.com|\.cn' r=r'(\w+@\w+(\.com\.con|\.com|\.cn))'ll=re.findall(r,"ZZ@fd.com.con")print(ll)2.正则常用的函数 compile www=r'a[bcd]c'p=re.compile(www)jj=p.findall("abcd,adc,aac,acc")print(jj)3.使用match和sear

模块分为三种: 自定义模块 内置模块 开源模块 一.安装第三方模块 # python 安装第三方模块 # 加入环境变量 : 右键计算机---属性---高级设置---环境变量---path--分号+python的scripts路径 (1) python管理工具 pip # python3 -m pip install requests # 3版本安装 (2) 源码安装 解压 cmd 进到包路径 python setup.py install windows下安装第三方模块---报错 如果找不到pi

首先先提一下上一篇<如何猜出Y combinator>中用的方法太复杂了.其实在Lambda演算中实现递归的思想很简单,就是函数把自己作为第一个参数传入函数,然后后面就是简单的Lambda变换提取出Y combinator了.好,接下来是本篇的正文: ------------------------------------------------------------------------------------ 昨天fengidri给我演示了yield的用法,让我大受启发——可以用yie

八皇后问题是十九世纪著名的数学家高斯1850年提出 .以下为python语句的八皇后代码,摘自<Python基础教程>,代码相对于其他语言,来得短小且一次性可以打印出92种结果.同时可以扩展为九皇后,十皇后问题. 问题:在一个8*8棋盘上,每一行放置一个皇后旗子,且它们不冲突.冲突定义:同一列不能有两个皇后,每一个对角线也不能有两个皇后.当然,三个皇后也是不行的,四个也是不行的,凭你的智商应该可以理解吧.    解决方案:回溯与递归 介绍: 1.回溯法 回溯法是一种选优搜索法,按选优条件向前搜

首页 资讯 文章 频道 资源 小组 相亲 登录 注册       首页 最新文章 经典回顾 开发 设计 IT技术 职场 业界 极客 创业 访谈 在国外 - 导航条 - 首页 最新文章 经典回顾 开发 - Web前端 - Python - Android - iOS - Java - C/C++ - PHP - .NET - Ruby - Go 设计 - UI设计 - 网页设计 - 交互设计 - 用户体验 - 设计教程 - 设计职场 IT技术 - Linux - UNIX - MySQL - No

机器学习算法的空间.时间复杂度依赖于输入数据的规模,维度规约(Dimensionality reduction)则是一种被用于降低输入数据维数的方法.维度规约可以分为两类: 特征选择(feature selection),从原始的d维空间中,选择为我们提供信息最多的k个维(这k个维属于原始空间的子集) 特征提取(feature extraction),将原始的d维空间映射到k维空间中(新的k维空间不输入原始空间的子集) 在文本挖掘与文本分类的有关问题中,常采用特征选择方法.原因是文本的特征一般都

1.脚本 This directory includes some useful codes: 1. subset selection tools. (子集抽取工具) subset.py 2. parameter selection tools. (参数选优工具) grid.py 3. LIBSVM format checking tools(格式检查工具)checkdata.py Part I: Subset selection tools子集抽取 Introduction =========