a1234556667的博客

​ 本章介绍了Web技术基础知识，对于软件架构、C/S架构、B/S架构以及对应的工作原理进行了详细的介绍，对于Web服务器的使用，主要引入了市场主流的Tomcat服务，对于该服务器的安装与使用进行了演示，最后一 一说明了市场使用率很高的Web开发框架。...

​ 本章介绍了数据挖掘实战项目（共7个），并对各项目的项目背景、项目目标、数据说明、方案建议和实现步骤进行了详细的说明，同时详细描述了项目实施过程及过程产出物要求。1.1.1.项目背景某市作为改革开放的前沿城市，其经济发展在全国经济中的地位举足轻重。目前，该市在财政收入规模、结构等方面与北京、上海、深圳等城市有一定差距，存在不断完善的空间。......

本章介绍深度学习算法-受限玻尔兹曼机，主要介绍受限玻尔兹曼机的原理、常见架构以及吉布斯分布与对比散度算法受限玻尔兹曼机（Restricted Boltzmann Machine，RBM）是深度学习的开山鼻祖 Geoffrey Hinton 提出，其在 2006 年的关于深度信念网络(Deep Belief Network, DBN) 以及逐层预训练的训练方法，开启了深度学习的序章。其中，DBN 中在层间的预训练就采用了 RBM 算法模型。...

本章介绍深度学习算法-自编码器，主要介绍自编码器的原理、常见架构以及MNIST 数据集测试目前为止，前8章讨论神经网络在有监督学习(Supervised Learning) 中的应用，在此类学习中，所以训练样本都是有类别标签的。现在假设只有一个没有带类别标签的训练样本集合 \lbrace x^{(1)}, x^{(2)}, x^{(3)}, \ldots \rbrace{x(1),x(2),x(3),…}，其中 x^{(i)} \in \Re^{n}x(i)∈ℜn, 自编码神经网络是一种无监督学习。...

本章介绍深度学习算法-循环神经网络，主要介绍循环神经网络的常见变种，包括递归神经网络、双向循环神经网络以及深度循环神经网络。

本章介绍深度学习算法-循环神经网络，主要介绍循环神经网络面临的长期依赖问题与相应的优化策略，包括多时间尺度、渗漏单元、梯度阶段、信息流正规化以及门控 RNN: LSTM 与 GRU。优化长期依赖问题时，实际应用中最有效的序列模型称为门控 RNN(Gated RNN), 包括基于长短期记忆(Long Short-Term Memory) 与基于门控循环单元(Gated Recurrent Unit) 的网络像渗漏单元一样，门控 RNN 基于生成通过时间的路径，其中导数既不消失也不爆炸。...

循环神经网络(Recurrent Neural Network) 或 RNN 是一类用于处理序列数据的神经网络卷积神经网络是专门用于处理网格化数据 \Imℑ 的神经网络，循环神经网络是专门用于处理序列 x_i = \lbrace\vec{x}^{(1)}_i, \vec{x}^{(2)}_i, \vec{x}^{(3)}_i, \dots, \vec{x}^{(\tau)}_i\rbracexi​={xi(1)​,xi(2)​,xi(3)​,…,xi(τ)​} 的神经网络。...

本章介绍深度学习算法-卷积神经网络用于图片分类的应用，主要介绍主流微型卷积神经网络 (CNN) 模型，包括SqueezeNetShuffleNet的算法模型、数学推理、模型实现以及PyTorch框架的实现。并能够把它应用于现实世界的数据集实现分类效果。目前神经网络领域的研究基本可以概括为两个方向：探索模型更好的预测能力，关注模型在实际应用中的难点。事实上卷积神经网络在图像识别领域超越了人类的表现，但是这些先进的网络需要较高的计算资源。...

本章介绍深度学习算法-卷积神经网络用于图片分类的应用，主要介绍主流深度卷积神经网络 (CNN) 模型，包括ResNetDenseNetSeNet的算法模型、数学推理、模型实现以及PyTorch框架的实现。并能够把它应用于现实世界的数据集实现分类效果。ResNet 残差神经网络是由微软研究院的何恺明、张祥雨、任少卿、孙剑等人提出，以一种残差学习框架来解决网络退化问题，从而训练更深的网络。这种框架可以结合已有的各种网络结构，充分发挥二者的优势。...

本章介绍深度学习算法-卷积神经网络用于图片分类的应用，主要介绍主流经典卷积神经网络 (CNN) 模型，包括LeNetAlexNetVGGNet的算法模型、数学推理、模型实现以及PyTorch框架的实现。并能够把它应用于现实世界的数据集实现分类效果。LeNet诞生于 1998 年，是最早的卷积神经网络之一，并且推动了深度学习领域的发展。自从 1998 年开始，在许多次成功的迭代后，这项由 Yann LeCun 完成的开拓性成果被命名为 LeNet5。...

1962年，Hubel和Wiesel通过对猫视觉皮层细胞的研究，提出了感受野(Receptive Field) 的概念。通俗地说，就是他们发现视觉皮层的神经元是局部接受信息的，只受某些特定区域刺激的响应，而不是对全局图像进行感知。1984年，日本学者Fukushima基于感受野概念提出神经认知机这个神经认知机是感受野概念在人工神经网络领域的首次应用。简单地说，神经认知机将一个视觉模式分解为许多子模式，它试图将视觉系统模型化。所以卷积神经网络可以说是全连接网络和感受野概念的结合应用。...

本章介绍第一个深度学习算法-前馈神经网络，主要介绍前馈神经网络 (FNN) 模型的算法模型、数学推理、模型实现以及主流框架的实现。并能够把它应用于现实世界的数据集实现分类效果。前馈神经网络是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层．各层间没有反馈。是目前应用最广泛、发展最迅速的人工神经网络之一。研究从 20 世纪 60 年代开始，目前理论研究和实际应用达到了很高的水平。人工智能领域中，最早发明的简单人工神经网络类型。...

神经网络是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。...

​ 本章主要基于项目案例的方式，综合演示了Tableau基于工作表与仪表板的综合使用。

然后设置两个注释的格式。（3）将新创建的字段“年平均工资购买住宅平方米数”分别拖放到标记卡的【大小】和【标签】中，并将标记类型选择【圆】，同时将“城市”和“行业”两个字段也分别拖到标记卡的【标签】中，得到所有城市、行业年平均工资购买住宅平方米数的视图，如图所示。（2）将“月份”字段拖入【列】功能区，将“累计销售面积（万平方米）"“累计增长”字段分别拖入【行】功能区，并将“现期房”字段拖入【标记】-【全部】卡的【颜色】中，并编辑“期房"和“现房"的颜色。单击【标记】下方的【颜色图例】，打开“编辑颜色对话框。

​ 本章介绍了Tableau在线服务器的注册、站点的创建以及激活，同时对于Tableau在线服务器基础的账户设置、快速搜索等进行了讲解，重点演示了Tableau在线服务器的项目操作。Tableau在线服务器即Tableau Online，类似于MS Power BI服务，我们可以到Tableau的官方网站单击“免费试用”按钮进行试用，如果前期已经注册账号，可以直接单击下方的“登录TABLEAU ONLINE”按钮进行登录。

​ 本章介绍了Hadoop的综合概述、连接Hadoop集群的基本条件以及具体连接的实现步骤。Hadoop分布式文件系统是一种文件系统实现，类似于NTFS、EXT3、EXT4等。名称节点（Name Node)第二名称节点（Secondary Name Node）数据节点（Data Node）定义SQL允许使用复杂SQL表达式作为Tableau中连接的基础。通过在自定义SQL中使用LIMIT子句，可以减小数据集以加快浏览新数据集和建立视图的速度。

​ 本章介绍了仪表板的基本要求，对于Tableau仪表板、Tableau故事等进行实战动手操作演示。仪表板是若干视图的集合，它可以使我们能够轻松的比较各种数据。例如如果有一组每天都需要查看的数据，那么可以创建一个显示所有视图的仪表板，而不是多次重复导航到每个工作表。像工作表一样，可以通过工作簿底部的标签访问仪表板。工作表和仪表板中的数据是相连的，当修改工作表时，包含该工作表的所有仪表板也会随之更改。工作表和仪表板都会随着数据源中的数据一起更新。

​ 本章介绍了简单视图、负责视图、统计分析可视化的操作，侧重实战动手操作。

​ 本章介绍了字段的应用、表计算的应用、参数的应用以及函数的核心操作等。在日常数据分析过程中，一般我们收集整理的数据不完全包含分析所需要的所有字段。例如，数据源可能包含带有“销售额”和“利润额”两个字段，但不包括“利润率”这个字段。如果需要每种类型商品的利润率情况，就可以使用“销售额”和“利润额”两个字段，来创建一个新的“利润率”字段。在Tableau中表计算的类型主要有以下8种：差异：显示绝对变化。百分比差异：显示变化率。百分比：显示为指定数值的百分比。

​ 本章介绍了Tableau的工作区及其操作、维度和度量及相关操作、连续和离散、数据和视图的导出操作等。

​ 本章介绍了Tableau连接数据文件、关系型数据库、非关系型数据库等操作。MongoDB（来自于单词“Humongous”，中文为庞大）是可以应用于各种规模的企业、各行业以及各类应用程序的开源非关系型数据库。MongoDB 将数据存储为一个文档，类似于JSON对象，字段值可以包含其他文档、数组及文档数组等。

​ 本章介绍了数据可视化的概述，对于数据可视化的定义、常见应用领域、如何实现数据可视化进行了一一讲解，同时列举了数据可视化常用的软件以及 Tableau产品的组件构成等。数据可视化的历史可以追溯到20世纪50年代计算机图形学的早期，人们利用计算机创建了首批图表。1987年，一篇题目为《Visualization in Scientific Computing》（即科学可视化）的论文成为数据可视化发展的里程碑，它强调基于计算机可视化技术的必要性。

概述1.正则表达式功能非常强大，但是学习难度也很大。正则表达式是一套独立的语法，和Python并没有任何相似和相关之处，只不过是Python提供了对正则表达式的支持。2.正则表达式是编写网络爬虫提取特定内容的重要技术之一。语法正则表达式由元字符及其不同组合来构成，通过巧妙地构造正则表达式可以匹配任意字符串，并完成查找、替换、分隔等复杂的字符串处理任务。 元字符是指构成正则表达式的基本单位，是具有独立含义的字符或字符组合。 元字符 功能说明 \r 匹配一个回车字符

概念异常是指程序运行时引发的错误，原因有除零、下标越界、文件不存在、网络异常、类型错误、名字错误、字典键错误、磁盘空间不足 、文件不存在、路径写错 缩进错误 将赋值运算符 = 和比较运算符==混淆异常处理结构try……except……编写程序接受用户输入，且要求用户必须输入整数，不接收其他类型的输入。>>>while True: x = input('Please input:') try: x = int(x) print('You ha

模拟转盘游戏import numpy as npimport pandas as pd#模拟转盘100000次data = np.random.ranf(100000)#奖项等级划分category = (0.0,0.08,0.3,1.0)labels = ('一等奖'，'二等奖'，'三等奖')#对模拟数据进行划分result = pd.cut(data, category,labels=labels)results = pd.value_counts(result)print(r

文件夹文件常用操作#1.获取当前文件目录os.getcwd()#2.切换文件目录os.chdir('C:\Windows\System32')#3.新建文件夹(与os.makedirs()作用相同)os.mkdir('test-dir02')或者 path1 = os.path.join(os.getcwd(),'test-dir') os.mkdir(path1)#4.拼接文件夹路径os.path.join('usr','bin','spam')>&gt

import numpy as npimport matplotlib.pylab as plimport matplotlib.font_manager as fmt = np.arange(0.0, 2.0*np.pi, 0.01) #自变量取值范围s = np.sin(t) #计算正弦函数值z = np.cos(t) #计算余弦函数值pl.plot(t, .

三种数据结构Series 带标签的一维：DataFrame 带标签且大小可变的二维表格结构；Panel带标签且大小可变的三维数组生成一维数组import numpy as npimport pandas as pdx = pd.Series([1, 3, 5, np.nan])pd.Series(range(5))pd.Series(range(5),index=list('abcde'))pd.date_range(start='20180101',end='2.

urlliburllib 提供了urllib.request、urllib.response、urllib.parse、robotparse和urllib.error五个模块，支支持网页内容读取。1.读取并显示网页内容import urllib.requestfp = urllib.request.urlopen(r'http://www.python.org')print(fp.read(100)) #读取100个字节print(fp.read(100..

计算总金额和积分特效此特效需要确定的变量有商品金额总计、可获商品积分、每一行商品的单品积分、每一行商品的单价、每一行商品的数量、每一行商品的小计，然后通过DOM操作找到这些变量，再使用算术运算符计算出最终总金额或积分，最后通过innerHTML把结果赋值给总金额或积分for(var i=1;i<myTableTr.length;i++){//从1开始，第一行的标题不计算 if(myTableTr[i].getElementsByTagName("td").length>2){ /.

轮播图常位于首页，用作活动推广的大图，其可以自动播放，点击左右切换按钮播放，也可以点击图片上的小圆点播放Tab切换用于点击不同的标签或标题，显示不同的内容表单验证常位于注册和登录页面，其用来在数据被送往服务器前对HTML表单中的输入数据进行验证。若输入的数据不正确，则会提示错误什么是JavaScriptJavaScript（简称“JS”） 是一种具有函数优先的轻量级，解释型或即时编译型的编程语言 其常用来为网页添加各式各样的动态功能，为用户提供更流畅美观的浏览效果Ja...

NumPy简介Numerical Python 的简称基于数组，可用来存储和处理大型矩阵高性能计算和数据分析的基础包需导入库 import numpy as np数组对象N维数组对象，即ndarray对象，该对象具有矢量算数能力和复杂的广播能力，可执行科学计算。拥有对高维数组的处理能力，这是数值计算中不可缺少的一部分ndarray对象中的重要属性ndarray.ndim 维度个数 比如一维、二维、、、、 ndarray.shape 数组的维度。这是一个整数的元组，n行m列s

文件概念与分类为了保存数据，对其长期及进行操作，必须将数据一文件形式存储到外部存储介质（如磁盘 网盘 U盘等）文件分为文本文件（易读、可写） 二进制文件（不可读 不能修改）文件操作基本知识无论文本文件还是二进制文件，其操作基本流程都是一致的，首先，打开文件并创建文件文件对象，然后通过该文件对象对文件内容进行读取、写入、删除、修改等操作，最后关闭并保存文件内容。内置函数open（）open（file, model='r', buffering=1, encoding=None, err