<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Song_Lynn的博客]]></title><description><![CDATA[无]]></description><link>https://blog.youkuaiyun.com/Song_Lynn</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Song_Lynn]]></copyright><item><title><![CDATA[python爬虫使用requests和BeautifulSoup出现中文乱码]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/82959708</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/82959708</guid><author>Song_Lynn</author><pubDate>Sun, 07 Oct 2018 17:35:55 +0800</pubDate><description><![CDATA[python爬虫使用requests和BeautifulSoup出现中文乱码
requests和BeautifulSoup都是自行检测网页编码并进行编码的，所以可能会出现检测错误，需要手动更改编码方式，使得中文能够正常显示
from bs4 import BeautifulSoup
import requests

headers = {
	'user_agent': 'Mozilla/5.0 (...]]></description><category></category></item><item><title><![CDATA[python3爬虫（二）：解析库之Beautiful Soup]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/82950771</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/82950771</guid><author>Song_Lynn</author><pubDate>Sun, 07 Oct 2018 15:40:29 +0800</pubDate><description><![CDATA[python3爬虫（二）：解析库之Beautiful Soup
Beautiful Soup是一个可以从HTML或XML中提取数据的python库，了解了HTML或XML的结构，能很方便地获取数据
一、准备
1、安装库和解析器
这里使用的是 beautifulsoup4 以及 lxml 作为解析器
pip install beautifulsoup4
pip install lxml

HTML例...]]></description><category></category></item><item><title><![CDATA[python3爬虫（一）：请求库之requests]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/82944927</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/82944927</guid><author>Song_Lynn</author><pubDate>Fri, 05 Oct 2018 16:09:34 +0800</pubDate><description><![CDATA[python3爬虫（一）：请求库之requests
Request是基于urllib编写、采用Apache2 Licensed开源协议的HTTP库，在使用方面Requests比urllib更加方便
一、HTTP请求
1. GET
requests.get(url  [, params={‘key’: ‘value’}])

通过url的查询字符串传递数据时，数据以键值对的形式跟在url的一个问号之...]]></description><category></category></item><item><title><![CDATA[Python之pandas的DataFrame]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/81395496</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/81395496</guid><author>Song_Lynn</author><pubDate>Wed, 03 Oct 2018 15:19:15 +0800</pubDate><description><![CDATA[Python之pandas的DataFrame



import pandas as pd
import math

df=pd.DataFrame({'key':['a','b','c'],'data1':[1,2,3]})

1、生成新列



df['newcol'] = df['data1'].apply(lambda x: math.sin(x))]]></description><category></category></item><item><title><![CDATA[Python3爬虫（一）：请求库之urllib]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/82926573</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/82926573</guid><author>Song_Lynn</author><pubDate>Wed, 03 Oct 2018 15:16:07 +0800</pubDate><description><![CDATA[Python3爬虫（一）：请求库之urllib
urllib是python3中用于操作url的内置库。在python2中分为urllib和urllib2
简单的爬取网页
urllib.request.urlopen(url, data, timeout)

url：请求地址
data：上传数据

转换格式：urllib.parse.urlencode(dict_name).encode(‘utf8...]]></description><category></category></item><item><title><![CDATA[机器学习实战之k-近邻算法（KNN）识别手写数字]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/82823467</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/82823467</guid><author>Song_Lynn</author><pubDate>Sun, 23 Sep 2018 17:25:55 +0800</pubDate><description><![CDATA[机器学习实战之k-近邻算法（KNN）识别手写数字
《机器学习实战》第2章k-近邻算法之识别手写数字
k-近邻算法原理

通过计算目标元素与已知类别元素的距离，距离越小，表示元素之间越相似
取距离最近的k个元素
这k个元素中，出现次数最多的类别，则为目标元素的类别

代码及解释
import numpy as np
from os import listdir		#用于获取文件夹下的文件名

#对目...]]></description><category></category></item><item><title><![CDATA[python numpy array random 随机排列（打乱训练数据）]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/82817647</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/82817647</guid><author>Song_Lynn</author><pubDate>Sat, 22 Sep 2018 21:07:36 +0800</pubDate><description><![CDATA[对numpy.array重新排列：

numpy.random.shuffle(x)：修改本身，打乱顺序

import numpy as np
arr = np.array(range(0, 21, 2))
np.random.shuffle(arr)
arr 	#打乱顺序后的数组， 如[2, 6, 4, 8, 12, 16, 0, 18, 10, 14, 20]

arr = np.array...]]></description><category></category></item><item><title><![CDATA[python生成序列中n个不重复的的元素]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/82817430</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/82817430</guid><author>Song_Lynn</author><pubDate>Sat, 22 Sep 2018 20:40:28 +0800</pubDate><description><![CDATA[python生成序列中n个不重复的元素
很多时候需要从序列中随机抽取n个元素，并且要求是不重复的
python的random模块中的sample能够实现
random.sample(seq,  num)
import random
a = range(10)
b = random.sample(a, 4)		#[4, 7, 2, 9]

# 也可以是字符串
s = ['123', '543', '...]]></description><category></category></item><item><title><![CDATA[Python之对数组元素做批量操作]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/81395343</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/81395343</guid><author>Song_Lynn</author><pubDate>Fri, 03 Aug 2018 22:22:37 +0800</pubDate><description><![CDATA[在进行数据分析、数据挖掘的时候，需要对数据进行处理，即对数组或矩阵的行或列进行批量的相同操作



import numpy as np
data = np.array([[2,4,6,8],[10,12,14,16]])
shape = data.shape()
data = [data[i][j]/2 for j in range(shape[1])] for i in range(shape...]]></description><category></category></item><item><title><![CDATA[Python之日期]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/81395265</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/81395265</guid><author>Song_Lynn</author><pubDate>Fri, 03 Aug 2018 22:13:39 +0800</pubDate><description><![CDATA[Python之日期

模块：import datetime

1.转换

（1）datetime -&amp;amp;gt; str

now = datetime.datetime.now()
str = now.strftime('%Y-%m-%d %H:%M:%S')

（2） str -&amp;amp;gt; datetime

str = &amp;quot;2014-12-18 15:32:24&amp;quot;
date = datetime.d...]]></description><category></category></item><item><title><![CDATA[机器学习之线性回归]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/80972744</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/80972744</guid><author>Song_Lynn</author><pubDate>Mon, 09 Jul 2018 16:01:48 +0800</pubDate><description><![CDATA[机器学习之线性回归

线性模型

通过属性的线性组合来进行预测 
f(x)=w1x1+w2x2+...+wdxdf(x)=w1x1+w2x2+...+wdxd
f(x) = w_1x_1+w_2x_2+...+w_dx_d
 
f(x)=wTx+bf(x)=wTx+b
f(x) = w^Tx+b


线性回归

1.形式

f(x)=θ0x0+θ1x1+θ2x2+...+θnxnf(x)=θ0x0...]]></description><category></category></item><item><title><![CDATA[python数据导出为csv文件]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/80960373</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/80960373</guid><author>Song_Lynn</author><pubDate>Sun, 08 Jul 2018 16:49:58 +0800</pubDate><description><![CDATA[python数据导出为csv文件



1 介绍

将 list 或 numpy.narray 类型的数据导出为csv文件（同理可扩展到导出为excel，即写入的文件格式为xls，且最后使用to_excel()方法）



2 包及相关方法

pandas 
- DataFrame() 
- join() 
- to_csv() / to_excel()



3 代码



import pan...]]></description><category></category></item><item><title><![CDATA[02 机器学习中的评估指标]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/80015295</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/80015295</guid><author>Song_Lynn</author><pubDate>Fri, 20 Apr 2018 10:36:19 +0800</pubDate><description><![CDATA[机器学习中的评估指标



1. 机器学习的目标


根本目标：

在给定的训练数据上，试图训练出能够归纳数据的规律的模型，并且能在未知样本上也有好的效果。
泛化能力强的模型最好

能很好地适用于未知样本，如错误率低，精度高




2. 评估方法

使用测试集数据进行可靠的评估

测试集：测试集（用于评估）应该与训练集（用于模型学习）“互斥”

常见方法：


留出法 hold-out 
保持数...]]></description><category></category></item><item><title><![CDATA[01 机器学习之概述]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/80015124</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/80015124</guid><author>Song_Lynn</author><pubDate>Fri, 20 Apr 2018 10:27:25 +0800</pubDate><description><![CDATA[机器学习之概述



1.概述



机器学习是什么


人工智能的一个重要学科的分支，一个多领域交叉学科
一类数据驱动的方法，在数据上通过算法，总结模式、规律，从而应用在新的数据上
研究的是计算机怎样模拟人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构，使之不断改善自身
广泛应用：互联网、生物、医疗、金融、能源、交通等等




2.基本概念



2.1 不同类型的问题


分类...]]></description><category></category></item><item><title><![CDATA[Python3之字符串]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/79804942</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/79804942</guid><author>Song_Lynn</author><pubDate>Tue, 03 Apr 2018 16:09:11 +0800</pubDate><description><![CDATA[Python3之字符串



基础内容


创建：为变量分配一个值即可 
单行：’xxx’ 或 “xxx”
多行：”“” 或 ”’
访问：使用方括号来截取字符串，var[i], var[:]
不支持单字符类型，单字符也作为一个字符串
所有字符串都是 Unicode 字符串




转义字符

在字符串中使用特殊字符时，用反斜杠 \ 转义字符




  转义字符
  描述



  \（在尾行时）...]]></description><category></category></item><item><title><![CDATA[Python3之Number（数字）]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/79796377</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/79796377</guid><author>Song_Lynn</author><pubDate>Mon, 02 Apr 2018 22:28:25 +0800</pubDate><description><![CDATA[Python3之Number（数字）



说明


用于存储数值
数据类型不允许改变，若改变数字数据类型的值，将重新分配内存控件
可使用 del 语句删除数字对象的引用




类型


int ： 
整型（整数）
包括正负，不带小数点，
无大小限制，可当做Long类型使用（python2有Long类型）
进制 
十六进制：0x, 0X
八进制：0o, 0O
二进制：0b, 0B
float 
...]]></description><category></category></item><item><title><![CDATA[Python3之运算符]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/79796365</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/79796365</guid><author>Song_Lynn</author><pubDate>Mon, 02 Apr 2018 22:27:23 +0800</pubDate><description><![CDATA[Python3之运算符



算术运算符

混合运算时，整数转换为浮点数 
- 加：+ 
- 减：- 
- 乘：* 
- 除：/  
- 取模：% 
- 幂：** 
- 取整除：// （商的整数部分）



print(21/10)        # 2.1
print(21//10)       # 2
print(9.0//2.0)     # 4.0



比较（关系）运算符


等于：==...]]></description><category></category></item><item><title><![CDATA[机器学习之Octave：字符串]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/79184876</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/79184876</guid><author>Song_Lynn</author><pubDate>Sun, 01 Apr 2018 22:45:52 +0800</pubDate><description><![CDATA[机器学习之Octave：字符串

目录



机器学习之Octave：字符串
比较字符串
操作字符串








比较字符串


strcmp(s1, s2)  
        比较两个字符串，相同则返回1，否则0




操作字符串


strtok()

[tok, rem] = strtok(str，delim) ：找到字符串中的所有字符，但不包括第一个delime的字符串。如果del...]]></description><category></category></item><item><title><![CDATA[Python3之基本数据类型]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/79782792</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/79782792</guid><author>Song_Lynn</author><pubDate>Sun, 01 Apr 2018 22:22:33 +0800</pubDate><description><![CDATA[Python3之基本数据类型

 


变量


不需要声明
变量在使用前必须赋值，赋值后变量才被创建
赋值方式：等号 = ，左边是变量名，右边是存储在变量中的值
多变量赋值




a = b = c = 1       # 创建一个整型对象，值为1，三个变量被分配到相同的内存空间上
a, b, c = 1, 2, &amp;quot;hello&amp;quot;     # 分别分配给三个变量


删除对象引用：del语句，d...]]></description><category></category></item><item><title><![CDATA[Python3之基础语法]]></title><link>https://blog.youkuaiyun.com/Song_Lynn/article/details/79776489</link><guid>https://blog.youkuaiyun.com/Song_Lynn/article/details/79776489</guid><author>Song_Lynn</author><pubDate>Sun, 01 Apr 2018 11:18:04 +0800</pubDate><description><![CDATA[Python3之基础语法



编码


默认：源码文件以UTF-8编码，字符串都是unicode字符串
指定：




# -*- coding: cp-1252 -*-



标识符


第一个字符：字母表中的字符或下划线 _
其它部分：由字母、数字、下划线 _ 组成
大小写敏感
python3中，允许非ASCII标识符




关键字

标准库提供了keyword模块，可输出当前版本的所有关...]]></description><category></category></item></channel></rss>