甲三的博客

在Python中使用线性回归算法 Scikit-Learn 涵盖了主流的机器学习算法，我们先介绍常用的几个库： lienar_model:线性模型算法库，包括Logistic回归算法等； neighbors:最邻近算法库； naive-bayes:朴素贝叶斯算法库； tree:决策树算法； svm:支持向量机算法； neural_network:神经网络算法。 如下，简单解释线性回归算法。其数学表达式如下： y^=Wx\boldsymbol{\hat y} = \boldsymbol{W} \bolds

package main // 将内存中的数据备份到本地，方便程序退出后仍然能够访问数据 import ( "fmt" "log" "github.com/boltdb/bolt" ) func main() { db, err := bolt.Open("my.db", 0600, nil) if err != nil { log.Fatal(err) } defer db.Close() // 创建表 err = db.Update(func(tx *bolt.Tx) er

Go语言在内存中缓存并读取数据 package main import ( "fmt" "time" "github.com/patrickmn/go-cache" ) // go语言在内存中缓存数据 // 针对缓存中指定的键值对设置生存时间 // 创建一个缓存，默认时间5min，每30s刷新 func main() { c := cache.New(5*time.Minute, 30*time.Second) c.Set("myKey", "myValue", cache.DefaultE

Go语言处理JSON数据，本文使用CitiBike数据为例。 package main // 解析JSON数据 import ( "encoding/json" "fmt" "io/ioutil" "log" "net/http" ) // citiBikeURL 提供了CitiBike共享单车的站点信息 const citiBikeURL = "https://gbfs.citibikenyc.com/gbfs/en/station_status.json" // 定义station结

主要使用 encoding/csv 来解析 csv 文件。同时简单使用dataframe包更快速地操作CSV文件。 package main import ( "fmt" "log" "os" "github.com/kniren/gota/dataframe" ) func main() { // 打开CSV文件 irisData, err := os.Open("D:/Code/Datasets/iris.csv") if err != nil { log.Fatal(err)