<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DM_learner的博客]]></title><description><![CDATA[在交流中学习，在交流中进步]]></description><link>https://blog.youkuaiyun.com/DM_learner</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DM_learner]]></copyright><item><title><![CDATA[关于fbprophet环境配置的流程（本人亲测可行）]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/114311354</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/114311354</guid><author>DM_learner</author><pubDate>Wed, 03 Mar 2021 16:18:58 +0800</pubDate><description><![CDATA[通过网上多位实践者的反馈，fbprophet的环境配置确实存在诸多的坑，本人经过多次尝试走出了一条亲测可行的道路，这里介绍给大家。

fbprophet环境配置可以分为yixa


]]></description><category></category></item><item><title><![CDATA[使用Isolation forest算法处理大规模数据方法介绍]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/102739415</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/102739415</guid><author>DM_learner</author><pubDate>Fri, 25 Oct 2019 11:35:30 +0800</pubDate><description><![CDATA[在做数据挖掘时，我们常常因为自身电脑的配置不高，所以在运行代码时出现，cpu利用率太高或者内存使用率直接爆表的情况。在这里我介绍一种处理方法，这种方法所传递的思想，也可以用到类似的场景中去。本文是基于Isolation forest处理异常数据所采用的方法，其中原始数据非常庞大，数据量超过千万条，虽然Isolation forest这个算法实用性非常大，但是当数据量达到一定程度时，对于电脑硬件也是...]]></description><category></category></item><item><title><![CDATA[关于使用django2.2.5出现“ImproperlyConfigured: mysqlclient 1.3.13 or newer is required; you have 0.9.3”的问题]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/101718490</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/101718490</guid><author>DM_learner</author><pubDate>Sun, 29 Sep 2019 21:34:31 +0800</pubDate><description><![CDATA[随着django的更新，相对一些历经考验的老版本，本人出于尝鲜的考虑，就是使用了最新的django2.2.5版本，在配置数据库时，出现了“django.core.exceptions.ImproperlyConfigured: mysqlclient 1.3.13 or newer is required; you have 0.9.3.”的问题，



.经查询是django2.2.5版本与py...]]></description><category></category></item><item><title><![CDATA[关于出现错误“The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any”的解决方法]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/100892155</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/100892155</guid><author>DM_learner</author><pubDate>Mon, 16 Sep 2019 16:29:47 +0800</pubDate><description><![CDATA[在pandas中我们有时会根据多条件进行数据筛选，比如：



运行结果会出现错误：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

这时我们的解决方法是:


...]]></description><category></category></item><item><title><![CDATA[关于使用hanlp进行中文分词时，出现错误  TypeError: must be str, not java.util.ArrayList 的解决方法]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/89342814</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/89342814</guid><author>DM_learner</author><pubDate>Tue, 16 Apr 2019 21:45:02 +0800</pubDate><description><![CDATA[hanlp是基于java开发的，主要是用于生产环境下，如果使用python来调用hanlp的话，可以通过pyhanlp来使用它。

但是我们直接使用

from pyhanlp import *
result=Hanlp.segment(data)
print(result)

那么就出现这样的结果：

这是因为通过Hanl.segment(data) ，我们所获得的结果是java的ArrayLi...]]></description><category></category></item><item><title><![CDATA[关于热力图的绘制问题]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/83142587</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/83142587</guid><author>DM_learner</author><pubDate>Thu, 18 Oct 2018 16:01:36 +0800</pubDate><description><![CDATA[ 

关于地理热力图的绘制，我觉得很炫酷。在这里我使用了两种方法：结合python和百度地图api的方法；使用python的folium的方法。

（1）结合python和百度地图api的方法

1. 进入网站：http://lbsyun.baidu.com/，选择控制台。



2.选择创建应用



3. 获取密钥



4. 再转到网址：http://lbsyun.baidu.com/jsd...]]></description><category></category></item><item><title><![CDATA[关于with open() as f 的一点小知识]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/83142402</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/83142402</guid><author>DM_learner</author><pubDate>Thu, 18 Oct 2018 10:30:08 +0800</pubDate><description><![CDATA[with open（'file name','r'） as f 如果读取不存在的文件，就会显示出一个IOError的错误，并且给出错误码和详细的信息告诉你文件不存在。

这时我们可以直接使用with open('file name' ,'w') as f ，它会自动先创建一个文件，然后写入内容。...]]></description><category></category></item><item><title><![CDATA[关于python中几种数据可视化图形]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/83069005</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/83069005</guid><author>DM_learner</author><pubDate>Tue, 16 Oct 2018 11:24:15 +0800</pubDate><description><![CDATA[python中我们一般用的最多的是matplotlib图形库，本人在写文章，做报告时，深感matplotlib图形比较单一化，这里介绍几种关于python的图形库

（1）seaborn 是基于matplotlib的高级版，主要针对的数据挖掘和机器学习的变量特征选取，可以用非常短小的代码就可以画出多维变量的可视化图形，seaborn的官方网站：http://seaborn.pydata.org/，...]]></description><category></category></item><item><title><![CDATA[关于python3.6中 OSError: Initializing from file failed的问题]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82990343</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82990343</guid><author>DM_learner</author><pubDate>Tue, 09 Oct 2018 22:56:22 +0800</pubDate><description><![CDATA[

这里只需要在pandas的读取中加入：engine='python'即可

即pd.read_csv(input_file,engine='python')就可以解决这个问题了。

 

 

 

 ]]></description><category></category></item><item><title><![CDATA[关于问题TypeError： 'range' object doesn't support item deletion]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82970476</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82970476</guid><author>DM_learner</author><pubDate>Mon, 08 Oct 2018 17:02:01 +0800</pubDate><description><![CDATA[

在python3以上的版本中，range()返回的对象不是数组类型，

在这里我们可以使用 


dataIndex=list(range(m)) 来替换 dataIndex=range(m)，即可解决问题

 ]]></description><category></category></item><item><title><![CDATA[关于问题TypeError: only length-1 arrays can be converted to Python scalars 的解决方法]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82968087</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82968087</guid><author>DM_learner</author><pubDate>Mon, 08 Oct 2018 15:03:06 +0800</pubDate><description><![CDATA[

注意：关于math.exp()不能对矩阵直接进行操作，这里要使用np.exp()，即可解决问题。

 

 

 ]]></description><category></category></item><item><title><![CDATA[朴素贝叶斯]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82698695</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82698695</guid><author>DM_learner</author><pubDate>Mon, 24 Sep 2018 14:35:28 +0800</pubDate><description><![CDATA[1. 朴素贝叶斯介绍

朴素贝叶斯法是基于贝叶斯定理（）与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x, 利用贝叶斯定理求出后验概率最大的输出y。

2. 朴素贝叶斯特点

优点：在数据较少的情况下仍然有效，可以处理多类别问题

缺点：对于输入数据的准备方式较为敏感。

使用数据类型：标称型数据

3. 朴素...]]></description><category></category></item><item><title><![CDATA[anaconda和tensorflow的安装]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82783358</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82783358</guid><author>DM_learner</author><pubDate>Thu, 20 Sep 2018 16:32:27 +0800</pubDate><description><![CDATA[现在关于tensorflow和anaconda基本都是在一起安装使用的，下面介绍一些安装流程：

（1）首先点击链接：https://www.anaconda.com/download/ ，进入如图所示页面：

     

点击下面的：



anaconda5.2的python3.6版本，我的电脑是64位系统，我选择第一个文件进行下载

                            ...]]></description><category></category></item><item><title><![CDATA[（1）单层感知机]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82713774</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82713774</guid><author>DM_learner</author><pubDate>Mon, 17 Sep 2018 16:07:49 +0800</pubDate><description><![CDATA[1. 概念介绍：

假设输入空间（特征空间）是 ，输入空间是Y={+1，-1}. 输入 表示实例的特征向量，对于应于输入空间（特征空间）的点；输出表示实例的类别.由输入空间到输出空间的如下函数：

                                                                        

 

称为感知机。其中，w和b为感知机模型参数，叫做权...]]></description><category></category></item><item><title><![CDATA[决策树]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82502701</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82502701</guid><author>DM_learner</author><pubDate>Fri, 14 Sep 2018 10:15:39 +0800</pubDate><description><![CDATA[决策树模型与学习

1. 决策树模型

决策树定义：分类决策树是一种描述对实例进行分类的树型结构。决策树由结点和有向边组成。结点有两种类型：内部结点和叶结点。内部结点表示一个特征或属性，叶子结点表示一个类。

用决策树分类，从根结点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其他子结点；这时，每一个子结点对应着该特征的一个取值，如此递归地对实例进行分配，直至达到叶结点。最后将实例分到...]]></description><category></category></item><item><title><![CDATA[k-近邻算法]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/82379454</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/82379454</guid><author>DM_learner</author><pubDate>Fri, 07 Sep 2018 19:50:19 +0800</pubDate><description><![CDATA[1. 算法概述：是一种基本分类和回归的算法。k近邻法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，k近邻不具有显示的学习过程。k近邻实际上是利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。k值的选择、距离度量及分类决策...]]></description><category></category></item><item><title><![CDATA[关于python连接mysql相关知识（2）]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/81362973</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/81362973</guid><author>DM_learner</author><pubDate>Thu, 02 Aug 2018 16:59:43 +0800</pubDate><description><![CDATA[之前导入数据库的方法是SQL语句和集合python正常编程的方法，整个流程相对较复杂，在这里我介绍一种更加简便的方法：

即结合pandas和sqlalchemy来将数据导入数据库，代码如下：

#!/usr/bin/env python3
#coding=utf-8
import pymysql

import pandas as pd
from sqlalchemy import create...]]></description><category></category></item><item><title><![CDATA[关于运用python读取PDF 文件的知识]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/81317954</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/81317954</guid><author>DM_learner</author><pubDate>Tue, 31 Jul 2018 18:02:21 +0800</pubDate><description><![CDATA[pdf读取总刚要：



 

（1）



 

（2）



 

（3）



 

代码如下：


#!/usr/bin/env python3
#coding=utf-8

from pdfminer.pdfparser import PDFParser,PDFDocument
from pdfminer.pdfinterp import PDFResourceManager,PDFPa...]]></description><category></category></item><item><title><![CDATA[关于python连接mysql相关知识]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/81289681</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/81289681</guid><author>DM_learner</author><pubDate>Tue, 31 Jul 2018 09:02:38 +0800</pubDate><description><![CDATA[第一步：首先安装mysql安装库，我用的是这种封装文件



界面如图所式：



启动它，显示mysq启动就可以了

第二步：安装navicat构建可视化的mysql环境



然后点击新建连接构建



 

效果如图所示：



第三步：使用python语言来将数据导入数据库（代码如下所示）


#!/usr/bin/env python3
#coding=utf-8

import pym...]]></description><category></category></item><item><title><![CDATA[在linux 安装wordcloud出现的问题]]></title><link>https://blog.youkuaiyun.com/DM_learner/article/details/80023365</link><guid>https://blog.youkuaiyun.com/DM_learner/article/details/80023365</guid><author>DM_learner</author><pubDate>Fri, 20 Apr 2018 20:02:38 +0800</pubDate><description><![CDATA[ error: command 'x86_64-linux-gnu-gcc' failed with exit status 1解决方法: sudo apt-get install build-essential libssl-dev libffi-dev python3-dev这个是针对python 3X以上的版本]]></description><category></category></item></channel></rss>