搜索[python]结果-低调大师优秀个人博客

精选列表

搜索[python]，共10000篇文章

Python全栈工程师（异常（高级）、运算符重载）

ParisGabriel 每天坚持手写一天一篇决定坚持几年为了梦想为了信仰开局一张图 Python人工智能从入门到精通对象的属性管理函数

2018-07-26

Python机器学习（sklearn）——分类模型评估与调参总结（下）

21.集成方法有随机森林（random forest）和梯度提升树（gradient boosted decision tree）GBDT 随机森林中树的随机化方法有两种：（1）通过选择用于构造树的数据点构造随机森林需要确定用于构造的树的个数为了确保树与树之间的区别，对每棵树的数据进行自助采样从样本数据中有放回的多次抽取（一个样本可能被抽取多次），抽取创建的新数据集要和原数据集大小相等（数据数量相同）（2）通过选择每次划分测试集的特征在每个节点处，算法随机选择特征的一个子集，并对其中一个特征寻找最佳测试，而不是对每个节点都寻找最佳测试。使用参数max_features, 如果max_features= n_features，则每次考虑所有特征，即第二种随机性没用上当max_features较大，随机森林中每棵树都会很相似（因为采用的

2018-07-22

第09章节-Python3.5-Django目录详解 8

下载开发包第三方镜像(加速下载) pip install -i htps://pypi.douban.com/simple/ django ==1.10.4 卸载方法 pip uninstall django (python3

2018-07-20

第10章节-Python3.5-Django创建App 9

# 创建app python manage.py startapp cmdb python manage.py startapp openstack python manage.py startapp

2018-07-20

Python机器学习（sklearn）——分类模型评估与调参总结（上）

1.如果只划分测试集和训练集经验是75%作为训练集 sklearn中的train_test_split()默认这样划分from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split() 2.通常使用sklearn中的score方法计算结果的精度（正确预测比例） 3.KNN算法有两个重要参数：邻居个数和数据点之间距离的度量方法在实践中，选择较小的邻居个数（例如3或5个）效果较好，sklearn中默认使用欧氏距离构建KNN模型速度很快，若训练集很大（特征数多或样本数多），预测速度可能较慢对于稀疏数据集（大多数特征值为0），KNN效果很不好 4.普通最小二乘法，即要求预测值和真实值均方误差最小

2018-07-20

Python 的后 Guido 时代: “独裁”是管理项目的最好制度？

有“终身仁慈独裁者(BDFL)”之称的 Python 创始人Guido van Rossum 宣布退出 Python 核心开发组决策层已有一周，从那以后社区发生了什么，治理项目的未来又将如何？

2018-07-20

第08章节-Python3.5-Django工程创建 7

4、Django 安装方法: pip3 install django 4、Django pip3 install django C:\Python35\Scripts # 创建Django工程 django-admin

2018-07-19

第02章节-Python3.5-JS正则详解1

1、JS 正则 (https://www.cnblogs.com/moqing/archive/2016/07/13/5665126.html) (https://www.cnblogs.com/wupeiqi/archive/2016/07/13/5602773.html) test - 判断字符串是否符合规定的正则正则表达式写法: rep = /\d+/; /\d+/ rep.test("dsfdsjkh1243824fdsfdskjg") true rep.test("dsfdsjkhfdsfdskjg") false 在浏览器打开调试工具F12如下图: p3a1.png p1.png exec - 获取匹配的数据方法: image.png image.png JavaScript全局匹配:(var pattern = /\bJava\w*\b/g;)正则后加g text="JavaScript is more fun than Java or JavaBeans!" "JavaScript is more fun than Java or JavaBeans!" var pattern = /\bJava\w*\b/g; undefined pattern.exec(text) ["JavaScript", index: 0, input: "JavaScript is more fun than Java or JavaBeans!", groups: undefined] pattern.exec(text) ["Java", index: 28, input: "JavaScript is more fun than Java or JavaBeans!", groups: undefined] pattern.exec(text) ["JavaBeans", index: 36, input: "JavaScript is more fun than Java or JavaBeans!", groups: undefined] image.png image.png

2018-07-19

纯Python实现鸢尾属植物数据集神经网络模型

尝试使用过各大公司推出的植物识别APP吗？比如微软识花、花伴侣等这些APP。当你看到一朵不知道学名的花时，只需要打开植物识别APP，拍摄一张你所想辨认的植物照片并上传，APP会自动识别出该花的品种及详细介绍，感觉手机中装了一个知识渊博的生物学家，是不是很神奇？其实，背后的原理很简单，是一个图像分类的过程，将上传的图像与手机中预存的数据集或联网数据进行匹配，将其分类到对应的类别即可。随着深度学习方法的应用，图像分类的精度越来越高，在部分数据集上已经超越了人眼的能力。相对于传统神经网络的方法而言，深度学习方法一般对数据集规模、硬件平台有着比较高的要求，如果只是单纯的想尝试了解图像分类任务的基本流程，建议采用小数据集样本及传统的神经网络方法实现。本文将带领读者采用鸢尾属植物数据集（Iris Data Set）

2018-07-18

给妹子讲python-S01E01好用的列表

【妹子说】今天开始学python啦，不过我们从哪里开始学起呢？ Python中有一种被称之为“容器”的数据类型，专门用来存放其他类型的对象，就好比小时候用的文具盒，里面放着铅笔、尺子、橡皮等等。

2018-07-16

Python---试除法求质数的三种方式对比

此三种方法都是基于试除法，即不断地尝试能否整除。比如要判断自然数 x 是否质数，就不断尝试小于 x 且大于1的自然数，只要有一个能整除，则 x 是合数；否则，x 是质数。方式1：从 2 一直尝试到 x-1。方式2：从 2 一直尝试到 x/2。方式3：从 2 一直尝试到√x。代码部分 import time import math def f1(x): a = [] for i in range(2, x+1): for j in range(2, i): if i % j == 0: break else: a.append(i) # print(a) def f2(x): a = [] for i in range(2, x+1): y = int(i//2+1) for j in range(2, y): if i % j == 0: break else: a.append(i) # print(a) def f3(x): a = [] for i in range(2, x+1): y = int(math.sqrt(i)+1) for j in range(2, y): if i % j == 0: break else: a.append(i) # print(a) if __name__ == '__main__': t1 = time.clock() f1(100) t2 = time.clock() print('第一种方式所用时间为{}秒'.format(t2-t1)) t3 = time.clock() f2(100) t4 = time.clock() print('第二种方式所用时间为{}秒'.format(t4-t3)) t5 = time.clock() f3(100) t6 = time.clock() print('第三种方式所用时间为{}秒'.format(t6-t5)) 运行结果第一种方式所用时间为0.00011377787891367015秒第二种方式所用时间为0.00010088897856798095秒第三种方式所用时间为0.0001515556902717247秒在计算100以内质数时三种方法的运算速度差不多，第二种似乎占据一定优势，那来看一看如果不断增大范围，三种方法的运行速度到底有多大的差别。。。。。。三种方式差别显而易见，在范围10000之前，三种方式差别不大，但在10000以后，他们之间的差距呈几何扩大，可得，第三种方法远远快于前两种方法后续，还可以尝试先将偶数去除（除2以外），再来进行试除，速度一定再上一个台阶，当然求质数还有其他N种方法，比如筛法，其发明人是公元前250年左右的一位希腊大牛——埃拉托斯特尼首先，2是公认最小的质数，所以，先把所有2的倍数去掉；然后剩下的那些大于2的数里面，最小的是3，所以3也是质数；然后把所有3的倍数都去掉，剩下的那些大于3的数里面，最小的是5，所以5也是质数...... 上述过程不断重复，就可以把某个范围内的合数全都除去（就像被筛子筛掉一样），剩下的就是质数了！

2018-07-15

【小思考】Python的float转换精度损失所想到的

Python内浮点数是用机器上浮点数的本机双精度(64 bit)表示的。提供大约17位的精度和范围从-308到308的指数。和C语言里面的double类型相同【可参考C语言double类型的解释】。

2018-07-10

小伙用Python 分析了 20 万场吃鸡数据

小编推荐一个学Python的学习q-u-n 二二七，四三五，四五零无论你是大牛还是小白

2018-07-09

7 月编程语言指数榜：Python 与 Java 逐渐拉开差距

PYPL 已发布7月编程语言指数榜，Python 在今年5月首次超越 Java拿下榜首位置后，保持上涨趋势，正逐渐与 Java 拉开差距。

2018-07-05

由浅入深：教你如何构建一个行人目标检测模型（Python）

然后，我们将深入探究如何用Python构建一个目标检测系统。读完这篇文章，你将有能力独自应对不同对象的检测！读本文之前，你需要有一定的深度学习基础知识，并且也解决过简单的图像处理问题。

2018-07-03

多年经验的大牛总结出来的Python案例超详细

Python的学习q-u n 二二七，四三五，四五零，是想转行还是想入行都可以来了解一起进步一起学习！内有开发工具，很多干货和技术资料分享！

2018-06-24

Python3 与 C# 面向对象之～继承与多态

lotapp/BaseCode 在线编程：https://mybinder.org/v2/gh/lotapp/BaseCode/master在线预览：http://github.lesschina.com/python

2018-06-23

Python 进程线程协程 GIL 闭包与高阶函数（五）

，python的多线程起到作用，但对于cpu密集型任务，python的多线程几乎占不到任何优势，还有可能因为争夺资源而变慢。

2018-06-19

Python爬虫之多线程下载豆瓣Top250电影图片

本文所使用的多线程用到了concurrent.futures模块，该模块是Python中最广为使用的并发库，它可以非常方便地将任务并行化。

2018-06-18

Python新式类 new init 单例模式与作用域(四)

1 新式类与旧式类新式类拥有经典类的全部特性之外,还有一些新的特性,比如 __init__发生变化,新增了静态方法__new__,python3目前都采用新式类,新式类是广度优先,旧式类是深度优先 #

2018-06-17

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

Python全栈工程师（异常（高级）、运算符重载）

Python机器学习（sklearn）——分类模型评估与调参总结（下）

第09章节-Python3.5-Django目录详解 8

第10章节-Python3.5-Django创建App 9

Python机器学习（sklearn）——分类模型评估与调参总结（上）

Python 的后 Guido 时代: “独裁”是管理项目的最好制度？

第08章节-Python3.5-Django工程创建 7

第02章节-Python3.5-JS正则详解1

纯Python实现鸢尾属植物数据集神经网络模型

给妹子讲python-S01E01好用的列表

Python---试除法求质数的三种方式对比

【小思考】Python的float转换精度损失所想到的

小伙用Python 分析了 20 万场吃鸡数据

7 月编程语言指数榜：Python 与 Java 逐渐拉开差距

由浅入深：教你如何构建一个行人目标检测模型（Python）

多年经验的大牛总结出来的Python案例超详细

Python3 与 C# 面向对象之～继承与多态

Python 进程线程协程 GIL 闭包 与高阶函数（五）

Python爬虫之多线程下载豆瓣Top250电影图片

Python新式类 new init 单例模式与作用域(四)

资源下载

腾讯云软件源

Nacos

优质分享App

Sublime Text

欢迎您来访！

Python 进程线程协程 GIL 闭包与高阶函数（五）