<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ITYTI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ITYTI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ITYTI]]></copyright><item><title><![CDATA[Excel文件双击两次才能显示内容的解决方案]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/119511790</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/119511790</guid><author>ITYTI</author><pubDate>Sun, 08 Aug 2021 11:15:12 +0800</pubDate><description><![CDATA[1、打开注册表编辑器“regedit”；
2、定位到如下项目“HKEY_CLASSES_ROOT\Excel.Sheet.12\shell\Open\command”；
3、编辑原有的内zhi容，在最后添加"%1"。
注意：双引号为其内容，直接复制无需处理
如：原为 “C:\Program Files\Microsoft Office\Root\Office16\EXCEL.EXE” /dde
则：新为 “C:\Program Files\Microsoft Office\Root\Office16\EXC]]></description><category></category></item><item><title><![CDATA[Spring MVC 默认启动页面方式]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/102215230</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/102215230</guid><author>ITYTI</author><pubDate>Sun, 06 Oct 2019 10:45:00 +0800</pubDate><description><![CDATA[一.web.xml配置文件(jsp页面可直接被访问)

1.在web.xml文件中配置


   &lt;welcome-file-list&gt;
   &lt;welcome-file&gt;login.jsp&lt;/welcome-file&gt;
   &lt;/welcome-file-list&gt;

二.controller控制器(jsp页面只能被controller访问)

1...]]></description><category></category></item><item><title><![CDATA[pandas报"The truth value of a Series is ambiguous"错，解决方法]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/101541043</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/101541043</guid><author>ITYTI</author><pubDate>Fri, 27 Sep 2019 16:13:34 +0800</pubDate><description><![CDATA[在使用pandas进行数据过滤时报错

本实例表中有label一列

错误的写法：


data[data['label']&gt;18 and data['label']&lt;20]


data[data.label&gt;18 and data.label&lt;20]

解决方法:


data[(data.label&gt;18) &amp; (data.label&lt;20)]

...]]></description><category></category></item><item><title><![CDATA[ImportError: No module named 'sklearn.cross_validation'问题]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/101285908</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/101285908</guid><author>ITYTI</author><pubDate>Tue, 24 Sep 2019 15:05:09 +0800</pubDate><description><![CDATA[（1）from sklearn.cross_validation import train_test_split

（2）from sklearn.model_selection import cross_val_score
    from sklearn.model_selection import train_test_split


通常我们会使用方法（1）的方式进行导入sklearn....]]></description><category></category></item><item><title><![CDATA[信息（information）、熵（entropy）、信息增益（information gain）、基尼指数（Gini index）的概念]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/93656655</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/93656655</guid><author>ITYTI</author><pubDate>Tue, 25 Jun 2019 21:08:00 +0800</pubDate><description><![CDATA[关于对信息、熵、信息增益是信息论里的概念，是对数据处理的量化，这几个概念主要是在决策树里用到的概念，因为在利用特征来分类的时候会对特征选取顺序的选择，这几个概念比较抽象，我也花了好长时间去理解(自己认为的理解),废话不多说，接下来开始对这几个概念解释，防止自己忘记的同时，望对其他人有个借鉴的作用，如有错误还请指出。

1、信息

这个是熵和信息增益的基础概念，我觉得对于这个概念的理解更应该把他认为...]]></description><category></category></item><item><title><![CDATA[TensorFlow遇到的问题汇总（持续更新中......）]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/90267199</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/90267199</guid><author>ITYTI</author><pubDate>Thu, 16 May 2019 17:02:23 +0800</pubDate><description><![CDATA[1、调用tf.softmax_cross_entropy_with_logits函数出错。


#原因是这个函数，不能按以前的方式进行调用了，只能使用命名参数的方式来调用。
#原来是这样的： 
tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_)) 
#修改成这样的： 
tf.reduce_sum(tf.nn.softmax_c...]]></description><category></category></item><item><title><![CDATA[Python四种读取数据文件的方法]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/88422578</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/88422578</guid><author>ITYTI</author><pubDate>Tue, 12 Mar 2019 16:04:48 +0800</pubDate><description><![CDATA[下面介绍读取数据文件的方法：

首先说明下数据文件的格式



第一行为列名，第一列为编号

第一种：手写读取数据



     f = file(路径名)
     x = []
     y = []
     for i, d in enumerate(f):
         if i == 0: #跳过第0行的标题
             continue
         d = ...]]></description><category></category></item><item><title><![CDATA[Python使用国内豆瓣源安装第三方包]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/87865908</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/87865908</guid><author>ITYTI</author><pubDate>Thu, 21 Feb 2019 18:05:39 +0800</pubDate><description><![CDATA[豆瓣源：https://pypi.doubanio.com/simple/

例子：

         pip3 install -i https://pypi.doubanio.com/simple/ gensim

         easy_install -i https://pypi.doubanio.com/simple/ gensim

         python3 -m pi...]]></description><category></category></item><item><title><![CDATA[pandas——可视化]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86605101</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86605101</guid><author>ITYTI</author><pubDate>Wed, 23 Jan 2019 10:01:41 +0800</pubDate><description><![CDATA[相关知识

绘图方法允许除了默认的线图之外的一些绘图样式，这些方法可以通过plot()的关键字参数kind提供。这些包括:

bar 、barh：绘制条形图

hist：绘制直方图

box：绘制箱型图

kde、density：绘制密度图

area：面积图

scatter：绘制散点图

hexbin：棱形图

pie：绘制饼图

实操

1.打开PyCharm，选择Create New Pr...]]></description><category></category></item><item><title><![CDATA[pandas——字符串处理]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86605009</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86605009</guid><author>ITYTI</author><pubDate>Wed, 23 Jan 2019 09:56:20 +0800</pubDate><description><![CDATA[相关知识

在使用pandas框架的DataFrame的过程中，如果需要处理一些字符串的特性，例如判断某列是否包含一些关键字，某列的字符长度是否小于3等等这种需求，如果掌握str列内置的方法，处理起来会方便很多。









实操

1.打开终端模拟器，在命令行输入ipython notebook --ip='127.0.0.1'，在浏览器中会打开界面，点击New，在其下拉框中选择Pytho...]]></description><category></category></item><item><title><![CDATA[pandas——groupby操作]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86604859</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86604859</guid><author>ITYTI</author><pubDate>Wed, 23 Jan 2019 09:48:43 +0800</pubDate><description><![CDATA[相关知识

groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False）

参数说明：

by是指分组依据（列表、字典、函数，元组，Series）

axis：是作用维度（0为行，1为列）

level：根据索引级别分组

sort：对groupby分组后新的datafr...]]></description><category></category></item><item><title><![CDATA[numpy——linalg线性代数]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86604685</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86604685</guid><author>ITYTI</author><pubDate>Wed, 23 Jan 2019 09:37:58 +0800</pubDate><description><![CDATA[相关知识

numpy.linalg模块包含线性代数的函数。使用这个模块，可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。

NumPy.linalg函数和属性：



 
实操


1.打开终端模拟器，在命令行输入ipython notebook --ip='127.0.0.1'，在浏览器中会打开界面，点击New，在其下拉框中选择Python3.

2.新建一个ipynb文件，用于编写并...]]></description><category></category></item><item><title><![CDATA[numpy——random类]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86604616</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86604616</guid><author>ITYTI</author><pubDate>Wed, 23 Jan 2019 09:34:27 +0800</pubDate><description><![CDATA[相关知识

random中常用函数及其说明：

numpy.random.rand(d0, d1, ..., dn)：创建一个给定形状的，值从0-1均匀分布中随机抽取的浮点数组，其中d0, d1, ..., dn为数组的维数，若参数为空时，返回一个0到1之间的浮点数。

numpy.random.randn(d0, d1, ..., dn)：创建一个给定形状的，值从标准正态分布(μ=0，σ=1)中...]]></description><category></category></item><item><title><![CDATA[Tesseract-OCR安装]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86535835</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86535835</guid><author>ITYTI</author><pubDate>Fri, 18 Jan 2019 10:39:51 +0800</pubDate><description><![CDATA[
                1. 安装tesseract
OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们都是一些不规则的字符，这些字符确实是由字符稍加扭曲变换得到的内容。
tesseract下载地址：https://digi.bib.uni-mannheim.de/tess...]]></description><category></category></item><item><title><![CDATA[pandas-----基本函数]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86477967</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86477967</guid><author>ITYTI</author><pubDate>Mon, 14 Jan 2019 15:19:28 +0800</pubDate><description><![CDATA[相关知识

列转行方法

stack函数：pandas.DataFrame.stack(self, level=-1, dropna=True)，对于普通的DataFrame而言，直接列索引转换到最内层行索引，生一个Series对象。对于层次化索引的DataFrame而言，可以将指定的索引层转换到行上，默认是将最内层的列索引转换到最内层行。
	unstack函数：pandas.DataFrame....]]></description><category></category></item><item><title><![CDATA[pandas---DataFrame基本操作(二)]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86476983</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86476983</guid><author>ITYTI</author><pubDate>Mon, 14 Jan 2019 14:46:24 +0800</pubDate><description><![CDATA[相关知识

concat合并：


pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,  
                  keys=None, levels=None, names=None, verify_integrity=False)  

 
objs: series，dataframe或...]]></description><category></category></item><item><title><![CDATA[pandas---DataFrame基本操作(一)]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86475620</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86475620</guid><author>ITYTI</author><pubDate>Mon, 14 Jan 2019 14:27:46 +0800</pubDate><description><![CDATA[相关知识

DataFrame提供的是一个类似表的结构，由多个Series组成，而Series在DataFrame中叫columns。



一、查看数据（查看对象的方法对于Series来说同样适用）

1.查看DataFrame前xx行或后xx行

a=DataFrame(data);

a.head(6)表示显示前6行数据，若head()中不带参数则会显示全部数据。

a.tail(6)表示显...]]></description><category></category></item><item><title><![CDATA[NumPy基本操作（二）]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86162218</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86162218</guid><author>ITYTI</author><pubDate>Wed, 09 Jan 2019 17:02:11 +0800</pubDate><description><![CDATA[相关知识

numpy中的常用函数







 
1.打开终端模拟器，在命令行输入ipython notebook --ip='127.0.0.1'，在浏览器中会打开jupyter notebook界面，点击New，在其下拉框中选择Python3.


2.新建一个ipyt文件，用于编写并执行代码。

切片与索引

numpy提供比常规Python序列更多的索引方法，除了整合和分片，数组可以被...]]></description><category></category></item><item><title><![CDATA[NumPy基本操作（一）]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/86160732</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/86160732</guid><author>ITYTI</author><pubDate>Wed, 09 Jan 2019 16:46:37 +0800</pubDate><description><![CDATA[相关知识

NumPy简介

NumPy是用Python进行科学计算的基本软件包。它包含以下内容：

一个强大的N维数组对象
	复杂的（广播）功能
	用于集成C/C++和Fortran代码的工具
	有用的线性代数，傅里叶变换和随机数能力
	用于读写磁盘数据以及操作内存映射文件的工具
NumPy是一个用python实现的科学计算包。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函...]]></description><category></category></item><item><title><![CDATA[Jupyter notebook修改默认启动目录]]></title><link>https://blog.youkuaiyun.com/ITYTI/article/details/85108448</link><guid>https://blog.youkuaiyun.com/ITYTI/article/details/85108448</guid><author>ITYTI</author><pubDate>Wed, 19 Dec 2018 21:33:23 +0800</pubDate><description><![CDATA[本文讲述windows下修改Jupyter notebook默认启动目录

前提：已经安装jupyter notebook

1.在cmd下使用命令jupyter notebook --generate-config来查看你的notebook配置文件在哪里


jupyter notebook --generate-config

2.根据自己的实际路径进入.jupyter目录



3.提前创建...]]></description><category></category></item></channel></rss>