<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[github_35304705的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/github_35304705</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; github_35304705]]></copyright><item><title><![CDATA[Python操作数据库]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89531133</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89531133</guid><author>github_35304705</author><pubDate>Fri, 26 Apr 2019 09:20:27 +0800</pubDate><description><![CDATA[前几天数据库课程的一个小project，需要接入MySQL数据库，导入数据，写了个脚本，做简单的CRUD操作，用Python实现，简单地记录一下，原文见Python操作数据库。
依赖
可以用MySQL-python来连MySQL，安装很简单，pip install MySQL-python，然后在脚本里引入import MySQLdb即可。有不止一个库实现类似的功能，API大同小异。
连接
首先要...]]></description><category></category></item><item><title><![CDATA[Python itertools模块详解]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89531106</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89531106</guid><author>github_35304705</author><pubDate>Fri, 26 Apr 2019 09:18:55 +0800</pubDate><description><![CDATA[该模块包含了一系列处理可迭代对象(sequence-like)的函数，从此迭代更任性，简要介绍，原文见Python itertools模块详解。
迭代器有一些特点，比如lazy，也就是只有用到的时候才读入到内存里，这样更快更省内存；比如只能调用一次，会被消耗掉。
import itertools as itls

合并迭代器: chain()与izip()
chain()函数接收n个可迭代对象，然...]]></description><category></category></item><item><title><![CDATA[Python Collections模块解析]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89531090</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89531090</guid><author>github_35304705</author><pubDate>Fri, 26 Apr 2019 09:17:56 +0800</pubDate><description><![CDATA[collections模块提供了一些python内置数据类型的扩展，比如OrderedDict，defaultdict，namedtuple，deque，counter等，简单实用，非常值得学习了解，简要介绍，原文见Python Collections模块解析。
import collections

1. OrderedDict
顾名思义，有顺序的词典，次序不再是随机的。普通的dict不记录插入...]]></description><category></category></item><item><title><![CDATA[Python os模块实例]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89531067</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89531067</guid><author>github_35304705</author><pubDate>Fri, 26 Apr 2019 09:17:02 +0800</pubDate><description><![CDATA[os模块操作文件、路径，是python比较常用的一个库，简要介绍，原文见Python os模块实例。
# I use jupyter notebook to create some file
!touch foo.txt
!echo Hello &gt; foo.txt
!cat foo.txt

Hello

# rename file
os.rename('foo.txt','bar.txt'...]]></description><category></category></item><item><title><![CDATA[Python zip模块]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89531047</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89531047</guid><author>github_35304705</author><pubDate>Fri, 26 Apr 2019 09:15:57 +0800</pubDate><description><![CDATA[python里有专门处理压缩文件的包zipfile，可以进行压缩、解压等各种常见操作，简要介绍，原文见Python zip模块。
判断是否是ZIP文件
用zipfile.is_zipfile判断。
import zipfile

print(zipfile.is_zipfile('samples/archive.zip'))

True


ZipFile可以直接操作ZIP，支持读取数据以及对其修...]]></description><category></category></item><item><title><![CDATA[Python正则表达式实例透析]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89531032</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89531032</guid><author>github_35304705</author><pubDate>Fri, 26 Apr 2019 09:14:57 +0800</pubDate><description><![CDATA[python里的re模块专门处理正则表达式，功能灵活强大，简要介绍，原文见Python正则表达式实例透析 。
re.search
经常用match = re.search(pat, str)的形式。因为有可能匹配不到，所以re.search()后面一般用if statement。
str = 'an example word:cat!!'
match = re.search(r'word:\w\w...]]></description><category></category></item><item><title><![CDATA[Python处理Json数据]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89530995</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89530995</guid><author>github_35304705</author><pubDate>Fri, 26 Apr 2019 09:12:50 +0800</pubDate><description><![CDATA[JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。本文简要介绍Python中的相关操作，原文见Python处理Json数据。
数据格式可以简单地理解为键值对的集合（A collection of name/value pairs）。不同的语言中，它被理解为对象（object），纪录（record），结构（str...]]></description><category></category></item><item><title><![CDATA[Python文件读写]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89526329</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89526329</guid><author>github_35304705</author><pubDate>Thu, 25 Apr 2019 21:11:59 +0800</pubDate><description><![CDATA[文件操作，无外乎读写，但首先你要打开文件，本文简要介绍，原文见Python文件读写 。
打开文件
f = open(filename, mode) filename是文件名，可以带目录；mode是读写模式（可以是读，写，追加等）；f是file handler。
关闭文件
f.close()
模式

“r”: Open a file for read only
“w”: Open a file fo...]]></description><category></category></item><item><title><![CDATA[Python glob匹配文件]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89526308</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89526308</guid><author>github_35304705</author><pubDate>Thu, 25 Apr 2019 21:10:57 +0800</pubDate><description><![CDATA[glob的应用场景是要寻找一系列（符合特定规则）文件名，本文简要介绍，原文见Python glob匹配文件。
glob模块是最简单的模块之一，内容非常少。用它可以查找符合特定规则的文件路径名。查找文件只用到三个匹配符：”*”, “?”, “[]”。

”*”匹配0个或多个字符；
”?”匹配单个字符；
”[ ]”匹配指定范围内的字符，如：[0-9]匹配数字。

假设以下例子目录是这样的。
dir
d...]]></description><category></category></item><item><title><![CDATA[Python异常处理]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89526277</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89526277</guid><author>github_35304705</author><pubDate>Thu, 25 Apr 2019 21:09:43 +0800</pubDate><description><![CDATA[异常处理是写出健壮程序的必备步骤，本文简要介绍，原文见Python异常处理。
1.1 基本语法
把可能抛出异常(出错)的语句放在try的block里，然后用except去扑捉(预判)可能的异常类型，如果异常类型match，就执行except模块。
try:
    # write some code
    # that might throw exception
except &lt;Excep...]]></description><category></category></item><item><title><![CDATA[Python Logging模块]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89526234</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89526234</guid><author>github_35304705</author><pubDate>Thu, 25 Apr 2019 21:07:13 +0800</pubDate><description><![CDATA[python的Logging模块专门提供日志相关的功能，简要介绍，原文见Python Logging模块。
Quick Start
导入模块后直接logging.waring()，logging.error()简单粗暴地调用即可。默认的level是DEBUG，所以warning会打印出信息，info级别更低，不会输出信息。如果你不知道level等参数的意义请后面解释，淡定，继续往下看。
如果不特别...]]></description><category></category></item><item><title><![CDATA[Python函数式编程]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89441522</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89441522</guid><author>github_35304705</author><pubDate>Sun, 21 Apr 2019 22:44:28 +0800</pubDate><description><![CDATA[用python也可以写出函数式风格的代码，原文见Python函数式编程.
Map
map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回，比循环更简洁，更易读。
# default function
name_len = map(len, ["Sam", "John", "Ned Stark"])
print name_len
...]]></description><category></category></item><item><title><![CDATA[很赞的开源小工具]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89278598</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89278598</guid><author>github_35304705</author><pubDate>Sat, 13 Apr 2019 10:20:12 +0800</pubDate><description><![CDATA[最近整理了一些在用的，感觉还不错的开源小工具，有的仅适用MacOS，但多数跨平台，原文见很赞的开源小工具。
Homebrew
Homebrew — The missing package manager for macOS，Mac上非常好用的包管理工具，很多常见的安装都可以通过brew install app或者brew cask install app直接安装，类似apt-get。

Oh My...]]></description><category></category></item><item><title><![CDATA[Mac必备软件]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89278570</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89278570</guid><author>github_35304705</author><pubDate>Sat, 13 Apr 2019 10:18:25 +0800</pubDate><description><![CDATA[Mac上有很多优秀的软件，可以极大地提升效率和工作体验，原文见Mac必备软件
效率工具
Alfred
效率神器，mac绝对必备。可以快速启动程序和全局搜索文件。安装好之后cmd+space调用Alfred，输入程序名即可调用程序；打一个空格再输入可以查找文件及文件夹。当然付费版可以自定义workflow，可以组合一连串的操作到一个快捷键。workflow可以整合terminal，浏览器，pytho...]]></description><category></category></item><item><title><![CDATA[经典决策树对比]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89221284</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89221284</guid><author>github_35304705</author><pubDate>Thu, 11 Apr 2019 22:05:29 +0800</pubDate><description><![CDATA[关于经典决策树算法ID3、C4.5及CART树的部分细节梳理，原文见决策树算法。
决策树
决策树可以从两个视角理解。

If-Then规则的集合
定义在特征空间与类空间上的条件概率分布


经典决策树对比
经典决策树有ID3、C4.5以及CART树，其功能和学习过程各有异同，简单对比。




算法
分裂标准
树类型
特征类型
缺失
剪枝
任务




ID3
信息增益
多叉
离散
No
无剪枝
...]]></description><category></category></item><item><title><![CDATA[经典损失函数一览]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89162757</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89162757</guid><author>github_35304705</author><pubDate>Tue, 09 Apr 2019 21:26:24 +0800</pubDate><description><![CDATA[损失函数(Loss Function)用来估量模型的预测值 y^=f(x)\hat y = f(x)y^​=f(x) 与真实值 yyy 的不一致程度。这里做一个简单梳理，以备忘，原文见损失函数清单。
回归问题
常见的回归问题损失函数有绝对值损失、平方损失、Huber损失。
绝对值损失
又叫做L1损失。
L(y,y^)=∣y−y^∣L(y, \hat y) = |y - \hat y|L(y,y^​...]]></description><category></category></item><item><title><![CDATA[Linear/Logistic/Softmax Regression对比]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89162652</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89162652</guid><author>github_35304705</author><pubDate>Tue, 09 Apr 2019 21:23:22 +0800</pubDate><description><![CDATA[Linear/Logistic/Softmax Regression是常见的机器学习模型，且都是广义线性模型的一种，有诸多相似点，详细对比之。原文见Linear/Logistic/Softmax Regression对比。
概述
Linear Regression是回归模型，Logistic Regression是二分类模型，Softmax Regression是多分类模型，但三者都属于广义线性「...]]></description><category></category></item><item><title><![CDATA[一文掌握XGBoost核心原理]]></title><link>https://blog.youkuaiyun.com/github_35304705/article/details/89162588</link><guid>https://blog.youkuaiyun.com/github_35304705/article/details/89162588</guid><author>github_35304705</author><pubDate>Tue, 09 Apr 2019 21:21:17 +0800</pubDate><description><![CDATA[XGBoost是经典的提升树学习框架，其配套论文和PPT分享也相当经典，本文简单梳理其思路，原文见XGBoost原理简介。
整体思路
和一般提升模型一样，提升树模型也遵循相同的范式

采用加法模型「forward stage-wise manner」
每轮引入一weak learner「此处是一棵CART树」
学习之前weak learners的不足「用梯度表征」

同时要考虑过拟合等问题「ove...]]></description><category></category></item></channel></rss>