fengxuezhiling的博客

支持向量机 1.基于最大间隔分隔数据 优点：泛化错误率低。计算开销不大，结果易解释 缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题 使用数据：数值型和标称型数据 我们希望找到离分隔超平面最近的点，确保它们离分隔面的距离尽可能远 在这里仅仅简单介绍，更为详细的数学需要自己去专门的书籍中学习。 2 .求解（SMO） SMO表示

软件质量： 　　　　可读写、一致性、软件质量 　　　　支持软件开发的高级重用机制 提供开发者的效率： 　　　　代码只有java或C++的1/5~1/3 　　　　无须编译链接，提高了程序原的效率 程序的可移植性： 　　　　用户图像界面、数据库接入、基于Web的系统等 标准库的支持：组件集成： 　　　　可以调用C或C++的库 　　　　可以被C和C++程序

学习python已经一段时间，就想着利用他爬取大众点评上的一些数据，用于分析。 这里，我选择爬取国内各个地区和省份关于黄焖鸡米饭的店面数据 具体的格式：店面 id，省份，城市，开店时间，店名 首先声明： 大众点评的数据，并不是很好爬取的。注意：他会禁止IP 我通过下面方法得以解决 1、UserAgent经常换一换； 2、访问时间间隔设长一点，访问时间设置为随机数；sleep() 3

数据类型及操作 Python 标准库的datetime datetime模块中的datetime,time，calendar等类都可以用来存储时间类型以及一些其他转换与运算 for example: from datetime import datetime now=datetime.now() print now   #2016-09-11 16:02: