Abstract1on的博客

MongoDB 教程 MongoDB 是一个基于分布式文件存储的数据库。由 C++ 语言编写。旨在为 WEB 应用提供可扩展的高性能数据存储解决方案。 MongoDB 是一个介于关系数据库和非关系数据库之间的产品，是非关系数据库当中功能最丰富，最像关系数据库的。 MongoDB简介 什么是MongoDB？ MongoDB 是由C++语言编写的，是一个基于分布式文件存储的开源数据库系统。 在高负载的情况下，添加更多的节点，可以保证服务器性能。 MongoDB 旨在为WEB应用提供可扩展的高性能数据存储解决方案。 MongoDB 将数据存储为一个文档，数据结构由键值(key=>value)对组成。MongoDB 文档类似于 JSON 对象。字段值可以包含其他文档，数组及文档数组。 window安装MongoDBMongoDB安装包括两部分，一个是将MongoDB的服务下载下来并且安装到自己电脑； 一个是可视化界面（解释：你下了MongoDB服务当然要用起来啊，固然你可以使用命令行的客户端，但是建议你安装MongoDB Compass可视化界面，用起来很方便） ...

Jiebajieba库是一款优秀的 Python 第三方中文分词库 特点 支持三种分词模式： 精确模式：试图将语句最精确的切分，不存在冗余数据，适合做文本分析 全模式：将语句中所有可能是词的词语都切分出来，速度很快，但是存在冗余数据 搜索引擎模式：在精确模式的基础上，对长词再次进行切分 支持繁体分词 支持自定义词典 MIT 授权协议 安装说明代码对 Python 2/3 均兼容 全自动安装：easy_install jieba 或者 pip install jieba / pip3 install jieba 半自动安装：先下载 http://pypi.python.org/pypi/jieba/ ，解压后运行 python setup.py install 手动安装：将 jieba 目录放置于当前目录或者 site-packages 目录 通过 import jieba 来引用 算法 基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG) 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合 对于未登录词，采 ...

Python基础部分我们首先巩固一下Python的基础知识。Python有6种标准数据类型：Number（数字）,String（字符串）,List（列表）,Tuple（元组）,Set（集合）,Dictionary（字典）。其中：不可变数据：Number（数字）、String（字符串）、Tuple（元组）。可变数据：List（列表）、Dictionary（字典）、Set（集合）。 1. List[列表] 列表由方括号[]包裹,每个位置的数值可变 1list = [1, 2, 3, 4, 5, 6] 根据位置取值，如取第2个位置的值： 1234list[1]out: 2a[2: ]out: [3, 4, 5, 6] 改变指定位置的值： 1list[0] = 9 列表a此时输出为 [9, 2, 3, 4, 5, 6]。 2. Tuple(元组) 元组由圆括号 ( ) 包裹，每个位置的数值不可变。允许数据重复 1tuple = ('a', 'a, 'c', 1, 2, 3.0) 输出('a', &# ...

数学符号及希腊字母本文列出了常用的机器学习数学符号（Mathematical notations），包含代数、微积分、线性代数、概率论、集合论、统计学以及希腊字母。 代数 符号 名称 描述 例子 (f∘g) 复合函数 嵌套函数 (f∘g)(x)=f(g(x)) ∆ 德耳塔 变化/区别 ∆x=x_1-x_0 e 欧拉数 e=2.718281828 $ s=$ s= \frac{1}{1+e^{-z}}$ ∑ 求和 求和 ∑x_i=x_1+x_2+x_3 ∏ 大写派 所有数的乘积 ∏x_i=x_1∙x_2∙x_3 ϵ 艾普西隆 0附近的小数 lr=1e-4 微积分 符号 名称 描述 例子 x′ 一阶导数 一阶导数 (x^2)′ =2x x″ 二阶导数 二阶导数 (x^2)″ =2 lim 极限 x接近0时的函数值 ∇ nabla 梯度 ∇f(a,b,c) 线性代数 符号 名称 描述 例子 ...

备份压缩命令!!! 如果是在jupyter下使用,每天命令开头需要加! zip使用 1zip [参数] [打包后的文件名] [打包的目录路径] 常用参数：-a 将文件转成ASCII模式 -F 尝试修复损坏的压缩文件 -h 显示帮助界面 -m 将文件压缩之后，删除源文件 -n 特定字符串 不压缩具有特定字尾字符串的文件 -o 将压缩文件内的所有文件的最新变动时间设为压缩时候的时间 -q 安静模式，在压缩的时候不显示指令的执行过程 -r 将指定的目录下的所有子目录以及文件一起处理 -S 包含系统文件和隐含文件（S是大写） 例如： 将指定目录/tmp压缩成test.zip文件 1zip -r test.zip tmb/ unzip使用: 1unzip [参数] [待解压缩文件] 常用参数：-n 解压缩时不要覆盖原有的文件； -o 不必先询问用户，unzip执行后覆盖原有的文件； -P [密码] 使用zip的密码选项； -q 执行时不显示任何信息； -d [目录] 指定文件解压缩后所要存储的目录； 例如： 将压缩文件text.zip在当前目录下解压缩。 1unzip ...

下载报错的问题报错1forbidden 403 解决方案 手动下载正确的安装包 https://ndownloader.figshare.com/files/5975967 在我的电脑C:\Users(你的 user_name)\scikit_learn_data\20news_home 目录下，将下载好的压缩包拖进去（如果之前没有的需要自己手动创建） python 下载的文件叫20new-sbydate.tar.gz，自己下载的叫20newsbydate.tar.gz，所以需要改文件名字； 改成-> 中间的-一定看清楚!!! 通过 D:你的项目下\venv\Lib\site-packages\sklearn\datasets找到其中的 twenty_newsgroups.py，打开进行如下的修改 python如果用本机python就找 python 的安装目录 打开文件位置 这里打开的只是快捷方式, 再从快捷方式找到实际文件位置 再按流程来 jupyter如果用的jupyter 之后流程和python一样 修改文件查找twenty_newsgroups.p ...

前言 数据分析为什么常用 Jupyter 而不是直接使用 Python 脚本或 Excel? jupyter 的优势 无需 IDE，一个浏览器搞定 互式开发和直观的数据展示 叙述性文本的特性让其直接变成展示文档 多种类型变化，可直接转换成 python，md 等类型文件 完全免费 还支持 R 语言 最主要的优势就是交互式开发和实时展示功能 这基本上能保证每一步的结果都是正确可靠的 这对于数据分析尤为重要,因为中间只要写错一步,最后的结果可能跟真实结果大相径庭 同时 jupyter 还可以远程连接云服务做大数据,甚至深度学习 食用建议 首先熟练适用键盘,确定自己打字没问题,键盘的效率比鼠标高得不是一星半点 最好先学习一下 Markdown 语法, 对于做笔记来说实在是太好用了! 在我的其他文章里有教程,只需要花十几二十分钟就会用了 jupyter 使用命令模式jupyter 里有命令模式和编辑模式 命令模式下 代码块左边显示为蓝色 编辑模式变为命令模式需要按下 键盘左上角的ESC键 我们可以使用很多快捷键 例如 dd:删除当前代码块 b:在下方添加一个代码块 a:在上方添加一个 ...

前言本文章用于收录本学期所有机器学习代码, 欢迎大家查看 如代码有误可联系我! 本人会在最快的时间内把Bug修复 2023/2/23 归一化 123456789101112131415161718192021222324import numpy as npfrom sklearn.neighbors import KNeighborsClassifier as knnar_x = [[4032, 1680, 1450, 5.3, 5.6], [4330, 1535, 1885, 7.8, 14.5], [4053, 1740, 1449, 6.2, 10.8], [5087, 1868, 1500, 8.5, 25.6], [4560, 1822, 1645, 7.8, 15.8], [3797, 1510, 1820, 5.5, 9.6]]ar_y = [0, 1, 0, 1]ar_yy = [0, 1, 0, 1, 1, 0]ar_min = np.min(ar_x, 0)print(ar_ ...

KNNkNN 算法概述KNN 可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一，注意 KNN 算法是有监督学习中的分类算法，它看起来和另一个机器学习算法 Kmeans 有点像（Kmeans 是无监督学习算法），但却是有本质区别的。那么什么是 KNN 算法呢，接下来我们就来介绍介绍吧。 算法介绍KNN 的全称是 K Nearest Neighbors，意思是 K 个最近的邻居 K 个最近邻居，毫无疑问，K 的取值肯定是至关重要的。 KNN 的原理就是当预测一个新的值 x 的时候，根据它距离最近的 K 个点是什么类别来判断 x 属于哪个类别 图中绿色的点就是我们要预测的那个点，假设 K=3。 那么 KNN 算法就会找到与它距离最近的三个点（这里用圆圈把它圈起来了），看看哪种类别多一些，比如这个例子中是蓝色三角形多一些，新来的绿色点就归类到蓝三角了。 但是，当 K=5 的时候，判定就变成不一样了。这次变成红圆多一些，所以新来的绿点被归类成红圆。从这个例子中，我们就能看得出 K 的取值是很重要的。 明白了大概原理后，我们就来说一说细节的东西吧，主要有两个， ...

前言JAVA的三大版本JAVA最大的特点： Java的主要优势在于其做出的WORA：即一次编写（Write Once）、随处运行（Run Anywhere）。简 单来讲，这意味着开发团队能够利用Java编写一款应用程序，并将其编译为可执行形式，而后将其运行 在任何支持Java的平台之上。这显然能够极大提高编程工作的实际效率，这种优势来源于Java Virtual Machine(JAVA虚拟机的缩写)，JVM是一种用于计算设备的规范，它是一个虚构出来的计算机，是通过在 实际的计算机上仿真模拟各种计算机功能来实现的。JAVA语言的一个非常重要的特点就是与平台的无关 性，而使用Java虚拟机是实现这一特点的关键。 JAVA的三大版本： JAVA SE：它是JAVA的标准版，是整个JAVA的基础和核心，这是我们主要学习的一个部分，也是 JAVAEE和JAVAME技术的基础，主要用于开发桌面应用程序。学会后可以做一些简单的桌面应用 如：扫雷，连连看等。 JAVA ME：它是JAVA的微缩版，主要应用于嵌入式开发，比如手机程序的开发。目前来说就业范围 不是很广，在一些城市可能相对的不好找工作 ...