play_chess_ITmanito-优快云博客

原创优快云显示分类专栏数量达到上限

优快云创建一级分类时显示：分类专栏数量达到上限咨询客服发现：目前除专家、VIP、企业博客用户可创建150个专栏外，普通用户根据博主等级可创建不同的专栏数量。详情如下：1级： 102级： 153级： 204级： 255级： 356级： 507-12级： 100解决方法1、进行企业认2、开通优快云会员3、如果不想进行企业认证，被同事或公司发现；且觉得会员用处不大，在自己的博客首页查看会员等级，把已有专栏改为二级专栏（保证已有一级专栏小于等级限制个数时可创建一级专栏）eg:

2021-01-08 12:12:53 3205 12

原创职业素养

多年互联网摸爬滚打的商务经验总结商务礼仪心态投资失败的经验：商务礼仪（IT）什么是礼仪？什么是商务礼仪？1.人际关系法则:黄金法则（错误）：白金法则（正确）：第一印象容貌：2、服饰要求职场着装规范要求职场着装注意事项：男士商务正装--西装西装--衬衫--领带配色技巧女士商务装服饰要求：（商务交往珠宝首饰不带，女性最好不带胸针，脚链）女士商务正装要求：三大基本原则：3、仪态表现沟通礼仪的四大原则：仪态表现-三个小提示：职场交往忌语：称呼问题：商务礼仪可能有的盆友会觉得我就一写代码的；没准写到30-35岁

2021-01-15 01:05:11 1061 5

原创 windows安装2018版 pyCharm出现Data Sharing Help JetBrains improve its products by sending a？？

数据共享帮助JetBrains通过发送有关使用的功能和插件，硬件和硬件的匿名数据来改进其产品数据共享帮助JetBrains通过发送有关使用的功能和插件，硬件和硬件的匿名数据来改进其产品硬件和软件配置，每个项目的文件类型统计数据等来改进其产品。请注意，这不包括个人数据或任何敏感信息，如源代码，文件名等。发送的数据符合JetBrains隐私政策。您始终可以在“设置”|“...

2021-01-08 18:29:29 2380

原创 Python3.X引入了什么新东西？

future 模块Python 3.x引入了一些Python2不兼容的关键字和函数，可通过在 Python2 内置的模块__future__ 导入。建议如果想在py2.x代码中支持 Python3.x，使用__future__导入它。例如，如果想在 Python2 中拥有 Python 3.x 整数的除法行为，添加下面的 import 语句from __future__ import divisionprint函数在 Python3 最值得注意和最广为人知的变化是print函数的使用。print

2020-12-30 00:00:06 314

原创 Python3,x语言特点及简史

Python是一种高层次、解释、互动性和面向对象的脚本语言。Python 被设计成具有很强的可读性语言。它采用英语关键字，而其他语言一般使用标点符号，并且具有比其他语言有较少的句法结构。Python是解释型的语言：Python 是在运行时被解释处理。无需在执行前编译程序。这类似于Perl和PHPPython是交互式的：实际上，可以在 Python 提示和解释直接交互来编写程序Python是面向对象：Python支持面向对象式或编程的对象中封装代码的技术Python是一种适合于初学者的语言：Pyt

2020-12-29 22:42:49 680 1

原创红米耳机Redmi AirDots 左耳没有声音，一直白灯闪烁；如何同时连接双耳？？

蓝牙耳机左耳闪烁白灯；右耳已连接(其实目前是两只耳机分开连接设备模式；右耳可以连接手机，左耳又是一个单独的设备)手机蓝牙设备里除了已配对的Redmi AirDots_R设备，还有一个可用设备Redmi AirDots_L(单耳模式)；但是就是无法同时连接双耳（串联双耳）；只能分开连接，一次只能连接左耳或是右耳！！！=======正常情况下应该是只连接Redmi AirDots_R就连好了=双耳串...

2019-11-01 16:23:19 116060 31

原创用优盘如何安装正版win10？

{1}进行BIOS设置1、把优盘插入需要装系统的电脑，我装的是笔记本；BIOS设置为U盘启动不同厂商的电脑，他们进入bios的方式有些不同，bios的界面也会有所不同，不过一般进入bios界面的无非就是F2、F12、del这几个键；下面介绍联想电脑Bios如何设置U盘启动2、电脑开机或是重启，出现电脑品牌界面时迅速按下【F2或是F12】键（可以多次按F12来触发进入bios）3、通过键盘...

2019-02-26 20:30:54 13494 11

原创通过【Windows10安装程序---MediaCreationTool】来制作并安装Win10正式版

由于“Windows10安装程序”由微软官方推出，因此拥有可靠性和广泛使用性。对此我们需要从微软官方网站下载名为“MediaCreationTool”的“Windows 10安装程序”来升级Win10正式版系统。...

2019-02-24 22:14:48 57610 6

原创零基础如何通过UltraISO（软碟通）用U盘制作并安装纯净、正版win10系统？

通过软碟通可以快速制作win10系统盘！！！废话不多说，直接干点击此处可以下载软碟通软件一、安装软碟通1、找到你云网盘下载的文件位置，双击运行此软件2、下一步3、我接受，下一步4、下一步5、选择UltraISO安装位置改后如下图，点下一步桌面出现此软件图标...

2019-02-20 21:43:08 19535 2

原创 win10如何去掉电脑桌面快捷方式图标小箭头？（强迫症必看）--附还原方法

将以下代码复制到notepad中另存为名称.bat类型的文件，双击运行文件结束后，则图标快捷方式箭头去掉了reg add &amp;amp;amp;amp;amp;amp;amp;quot;HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows\CurrentVersion\Explorer\Shell Icons&amp;amp;amp;amp;amp;amp;amp;quot; /v 29 /d &amp;amp;a

2018-12-30 21:22:25 7169 8

原创 shell教程

一、shell简介二、shell使用三、变量:shell变量的定义、使用、重命名、只读变量、删除变量、变量类型、特殊变量四、shell替换:变量、命令、转义字符的替换五、Shell运算符：Shell算数运算符、关系运算符、布尔运算符、字符串运算符等六、shell注释七、shell字符串八、Shell数组：shell数组的定义、数组长度九、Shell echo命令十、shell p...

2018-12-13 19:05:08 1881

原创 13款高逼格且实用的Linux运维必备工具

本文介绍几款 Linux 运维比较实用的工具1. 查看进程占用带宽情况 - NethogsNethogs 是一个终端下的网络流量监控工具可以直观的显示每个进程占用的带宽。下载：http://sourceforge.net/projects/nethogs/files/nethogs/0.8/nethogs-0.8.0.tar.gz/download[root@localhost ~]#y...

2018-12-06 12:34:24 2180

原创《简明Python教程》--沈洁元

《简明Python教程》–沈洁元：http://www.kuqin.com/abyteofpython_cn/简明Python教程(第4版) A Byte of Python v4.0 中文pdf版+配套源码云盘资源py4《A Byte of Python》是一本由 Swaroop C H 编写，旨在于介绍如何使用 Python 语言进行编程的自由图书。它以教材与指南的形式为入门者介绍 P...

2018-12-01 17:44:33 2847 3

原创 curl:(6) couldn‘t resolve host ‘www.baidu.com‘

之前联网测试是成功的，突然有一天执行curl命令报错了# curl www.baidu.com第一次联网成功，显示如下：第二次联网测试失败curl:(6) Couldn’t resolve host ‘www.baidu.com’，但是可以ping通综合网络资料说是DNS的问题，so改一下DNS的配置在域名服务器配置中，添加一个8.8.8.8，就解决了：[root@localhos...

2018-11-30 17:43:36 11037 1

原创 VMware恢复虚拟网络默认设置

恢复虚拟网络默认设置（必须断电状态–即虚拟机关机状态）具体步骤：编辑 – 虚拟网络编辑器 – 还原默认设置 – 确定

2018-11-26 22:12:22 11193

原创 VMware虚拟机Linux不能上网简单有效的解决办法--No network connection

使用Linux系统时，我的虚拟机不能上网具体上网情况如下图：1.ifconfig查看ip显示正常2.curl www.baidu.comLinux命令查看是否可以上网（curl：（6）Couldn’t resolve host ‘www.baidu.com’）3.Linux系统自带火狐浏览器无法上网...

2018-11-26 22:03:23 13087

原创如何买到最便宜的机票

全网最低价机票购买指南：现在航空公司官网注册好会员，提前两个月订票绝对便宜中国四大航空公司会员日：中国航空公司：每个月的同月同日（eg：01.01 02.02 03.03 04.04 05.05 06.06等等）南方航空：每个月的28日东方航空：每个月的18日海南航空：每个月的8日中国四大航空公司的线路是最多的，买票可以关注一下，每个月的会员日最便宜特别是南方航空公司，打折...

2018-11-24 18:21:47 1272

原创 OneNote如何去除下划线？

win10自带的onenote是自动打开文字校对的，而且功能简陋，无法关闭，于是满屏都是红色波浪线。所以你需要下载一个2016版的onenote，以前版本的win10也许需要改注册表才能打开onenote2016，因为默认打开系统自带的onenote。但我电脑一直是开自动更新的，现在可以直接打开2016然后就可以关闭文字校验了文件–>选项–>校对最后确认退出即可也许取消自动更...

2018-11-23 20:54:45 4933

原创打开word文档：提示此文档包含的链接可能引用了其它文件

打开word文档：提示此文档包含的链接可能引用了其它文件第一步：alt+f9，进入编辑代码页第二步：查找关键字link，然后就可以发现引用部分了。第三步：alt+f9,恢复显示界面，然后将引用部分ctrl+c再ctrl+v。第四步：alt+f9,删除引用部分第五步：保存退出。再打开就没问题了...

2018-11-23 18:50:31 26853 4

原创 win10“网络属性”选项卡空白怎么办

平时使用Win10系统的时候，不可避免的要遇到设置网络属性的情况，可是网络属性选项卡空白，怎么办呢？控制面板 --> 网络和共享中心 --> 更改适配器设置 -->方法/步骤首先，在Win10系统桌面上右键点击任务栏，在任务栏上弹出的菜单中选择“任务管理器”选项，打开Win10系统任务管理器主页面。在Win10系统任务管理器主页面中，点击页面顶端“服务”选项卡，然后在...

2018-11-23 18:48:26 7219 5

原创 win10开启蓝牙

左下角电脑图标 --> 设置 --> 设备 --> 蓝牙和其他设备 --> 点开蓝牙开关

2018-11-23 18:37:45 2356

原创 Win10系统选择其他应用$SystemRoot%\SysWow64\NOTEPAD.EXE%1

Win10系统选择其他应用$SystemRoot%\SysWow64\NOTEPAD.EXE%1打开设置，默认打开方式改为系统原来的设置，这种情况是由卸载原来的默认连接打开浏览器导致的，重新设置一下搞定...

2018-11-23 18:36:07 1911

原创 Mac软件破解版下载地址

Mac软件破解版下载地址：[http://xclient.info/?t=2ef1c6420c0ffcd83cca6693f80f32407787d479](http://xclient.info/?t=2ef1c6420c0ffcd83cca6693f80f32407787d479)

2018-11-23 18:30:02 6507 2

原创 Dell开机时报错smartaudio无法运行

smartaudio即控制板面中的dellaudio。此时点击dellaudio后仍然弹出报错页面。这是驱动问题，重新安装驱动即可。1，进入dell官网下载中心http://www.dell.com/support/drivers/cn/zh/cndhs1/GetDriver/BeginDLMDownload2，根据提示进入相应页面，最后进入声音驱动下载页面，这个是我要下载的驱动名A...

2018-11-23 18:26:57 4885

原创 win10没有管理员执行权限

在安装某些软件，或者运行某些程序时，往往需要运行管理员权限，或者在删除系统盘c盘的重要文件时候，也需要获取管理员权限，也叫做获得administrator权限，那么如何获取电脑运行的管理员权限呢1、在电脑的搜索框输入“gpedit.msc”，然后搜索到之后点开2、计算机配置下的windows设置 --> 安全设置 --> 本地策略 --> 安全选项 --> “账户：管...

2018-11-23 18:19:39 11319 10

原创 win10修改磁盘分区符号-名称

在重装系统或者给C盘增加空间后，发现电脑里磁盘的名称变得不连续了，系统磁盘默认为C盘，其余盘应该是D、E、F、G等依次排列。出现了不连续的现象，重命名并不能更改分区磁盘的符号。如何更改磁盘的符号？1、电脑 --> 管理 --> 存储下的磁盘管理2、在磁盘管理界面，选中要改的磁盘F盘，右键单击，“更改驱动器和路径”3、更改 --> 进入“更改驱动器和路径”界面 --&...

2018-11-23 18:12:54 6818

原创 Windows如何平铺两个窗口

1、首先要打开多个窗口,一定不能全屏2、选中其中一个窗口按“win+向左或是向右键”（按三秒不动，直到出现透明界面），其中这个界面靠向你想要的方向；鼠标选中另一个透明界面，按enter键，则两个窗口平铺...

2018-11-23 17:52:44 13115

原创 3、用Xshell连接VMware虚拟机

待更

2018-11-13 19:39:04 377 1

原创 3、用Secure CRT 连接VMware虚拟机

1、打开Secure CRT，把鼠标移至左边的Session Manager2、点加号(+)，新建一个会话：new Session3、勾上do not，完成4、出现如下界面SSH2 – 输入Hostname和username...

2018-11-13 19:36:28 1028

原创 2、配置虚拟网络NAT

1、编辑–&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;gt;虚拟网络编辑器更改设置2、先移除VMWare net8网络模式，再重新添加VMWare net8，等待分配网段（记住子网地址：192.168.197.0 ，因为以后设置ip只能为此网段的）将VMnet信息改为NAT模式，NAT设置，记下网关ip(192.168.197.2)ip自动配置，不用改确定，应用，确定3、进入Window

2018-11-13 18:49:06 508

原创 VMware虚拟机界面如何改为自动适应屏幕大小？图文详解

大部分人刚装好的虚拟机会有如下问题，虚拟机界面小于屏幕，看着特别别扭如下方法：查看–&amp;amp;gt;自动适应客户机okay搞定~~~

2018-11-10 14:16:38 4865 1

原创 1、安装Centos6.x

解释配图新建虚拟机典型 Next安装centos镜像文件全名：vm 用户名：xi 密码：111111 全名：虚拟机的主机名用户名：不要设root（系统自带）密码：root和用户名的密码为虚拟机命名，并指定存储位置磁盘大小最小5G(存为单个文件，便于拷贝多个文件拷贝时容易漏内容，导致无法启动)自定义硬件内存：图形化界面...

2018-11-10 13:15:54 803

原创 VMware虚拟机开机显示：键盘挂钩超时值未设置为VMware workstation建议的值。

问题：必须注销并重新登录，更新的值才会生效。解决：方法一：确定 – 不再显示方法二：1、打开vmware，定位到故障机的标签，切记这时是在关闭电源状态下，这一点很重要。2、点击“编辑虚拟机设置”，会弹出个新的窗口中，点击“选项”。3、在选项下，点击“常规”，在窗口右下角找到“增强型虚拟键盘”。4、点击“增强型虚拟键盘”的小三角形，这时就会展开它的选项有三个，分别是关闭、如果...

2018-11-08 17:59:41 26312 13

原创 VMware启动虚拟机显示：ide1:0，因为主机没有相应的设备？

vmware虚拟机启动报:无法连接虚拟设备ide1:0,因为主机上没有相应的设备?原因：虚拟机ide0:0没有硬盘而在ide1:0上缘故。点虚拟机—设置—选中硬盘–点高级—在虚拟机设备节点中选ide0:0如果没有问题重启一下集群就搞定了...

2018-11-08 15:50:33 16404 4

原创安装VMware Workstation pro显示：警告1946，无法设置快捷方式“VMware Workstation Pro.lnk”的属性“{9F4C28

问题：安装VMware Workstation pro显示：警告1946，无法设置快捷方式“VMware Workstation Pro.lnk”的属性“{9F4C2855-9F79-4B39-A8D0-E1D42DE1D5F3},5”原因：原来的VMware虚拟机没有卸载干净所导致的解决方法：看过网上的一些资料，其实直接点确定就可以了，后续会自动删除原来卸载时没卸载干净的东西并且自...

2018-11-06 16:12:11 6817 6

原创 Python核心知识--思维导图高清原图14张(附百度网盘连接)

本文主要涵盖了 Python 编程的核心知识（暂不包括标准库及第三方库）。按顺序依次展示了以下内容的一系列思维导图：基础知识，数据类型（数字，字符串，列表，元组，字典，集合），条件&amp;amp;amp;amp;amp;循环，文件对象，错误&amp;amp;amp;amp;amp;异常，函数，模块，面向对象编程；思维导图默认阅读顺序：从右→左，顺时针方向。思维导图软件：XMind**总览**第1张图第2张图基础知识图二包含了模

2018-11-03 18:03:14 4402

原创百度网盘不限速下载每秒6兆左右之Proxyee Down3.x安装到使用

1、右键解压缩Proxyee Down 3.0.2的压缩包，解压路径不能有中文！2、打开Proxyee Down.exe(注意：360 可能会报毒，请将报毒文件加入白名单，或者直接卸载 360)3、进入扩展管理，选择安装网盘扩展（操作中的云图），并打开全局代理（1）手动安装一个由 Proxyee Down 随机生成的一个 CA 证书用于HTTPS MITM的支持（2）安装此证书，点–是...

2018-09-20 12:05:55 29887 5

原创 OneNote用完画笔怎么从绘图模式回到打字模式

2018-09-17 20:00:59 14808 8

原创 {“error_code“:31090,“error_msg“:“package is too large“,“request_id“:5999725062659956661}

SwitchOmega最近下载打包文件报错：{“error_code”:31090,”error_msg”:”package is too large”,”request_id”:5999725062659956661} 百度云近期限制了打包下载，升级到3.0以上版本可以解决百度云最近限制了打包下载，在选择的文件大于300M的时候回提示package is too large，...

2018-09-16 16:35:46 22507

原创 windows安装2018版pycharm出现Data Sharing Help JetBrains improve its producets by sending an？？？怎么办

Data Sharing Help JetBrains improve its producets by sending anymouos　data about features and plugins used ,hardware and software configuration ,statistics on type of files per project ,etc.Please ...

2018-09-05 23:13:02 8673 1

机器学习实战——原书_高清

机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下捕获数据并从中萃取有价值的信息或模式使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。本书通过精心排的实例切入日常工作任务摒弃学术化语言利用高效可复用的Python 代码阐释如何处理统计数据进行数据分析及可视化。读者可从中学到一些核心的机器学习算法并将其运用于某些策略性任务中如分类、预测及推荐等。本书适合机器学习相关研究人员及互联网从业人员学习参考。

2018-11-05

R语言实战（第2版）_完整版带目录

《R语言实战》一书注重实用性，是一本全面而细致的R指南，高度概括了该软件和它的强大功能，展示了使用的统计示例，且对于难以用传统方法处理的凌乱、不完整和非正态的数据给出了优雅的处理方法。作者不仅仅探讨统计分析，还阐述了大量探索和展示数据的图形功能。新版做了大量更新和修正，新增了近200页内容，介绍数据挖掘、预测性分析和高级编程。本书适合数据分析人员及R用户学习参考。第一部分　入门第 1 章　R语言介绍第 2 章　创建数据集第 3 章　图形初阶第 4 章　基本数据管理第 5 章　高级数据管理第二部分　基本方法第 6 章　基本图形第 7 章　基本统计分析第三部分　中级方法第 8 章　回归第 9 章　方差分析第 10 章　功效分析第 11 章　中级绘图第 12 章　重抽样与自助法第四部分　高级方法第 13 章　广义线性模型第 14 章　主成分分析和因子分析第 15 章　时间序列第 16 章　聚类分析第 17 章　分类第 18 章　处理缺失数据的高级方法第五部分　技能拓展第 19 章　使用ggplot2进行高级绘图第 20 章　高级编程第 21 章　创建包第 22 章　创建动态报告第 23 章　使用lattice进行高级绘图附录 A　图形用户界面附录 B　自定义启动环境附录 C　从R中导出数据附录 D　R中的矩阵运算附录 E　本书中用到的扩展包附录 F　处理大数据集附录 G　更新R 后记：探索R的世界参考文献

2018-11-05

Hadoop权威指南_第四版_带目录，中文，高清

Hadoop权威指南第四版大数据越来越热。Hadoop技术是大数据技术的基础。掌握了大数据技术，就意味着可以轻松找到高薪工作。人工智能、机器学习都是基于大数据。 There are new chapters covering YARN (Chapter 4), Parquet (Chapter 13), Flume(Chapter 14), Crunch (Chapter 18), and Spark (Chapter 19).

2018-11-03

程序员代码面试指南-代码

该资源涵盖原书所有源代码，绝对物超所值，导入直接用程序员代码面试指南：IT名企算法与数据结构题目最优解左程云著这是一本程序员面试宝典！书中对IT名企代码面试各类题目的最优解进行了总结，并提供了相关代码实现。针对当前程序员面试缺乏权威题目汇总这一痛点，本书选取将近200道真实出现过的经典代码面试题，帮助广大程序员的面试准备做到万无一失。“刷”完本书后，你就是“题王”！本书采用题目+解答的方式组织内容，并把面试题类型相近或者解法相近的题目尽量放在一起，读者在学习本书时很容易看出面试题解法之间的联系，使知识的学习避免碎片化。

2018-11-03

大数据处理之道

这是目前为止唯一一本各大电商网站卖到缺货的书，二手书的价钱已经到了230元以上，新书一本难求，火到爆本书覆盖了当前主流的大数据处理领域的热门技术，包括Hadoop, Spark, Storm, Dremel/Drill等,详细的分析了各种技术的应用场景和优缺点。同时，本书阐述了大数据下的日志分析系统，重点讲解了ELK日志处理方案。最后分析了大数据处理技术的发展趋势。本书以幽默大话的表述风格，使读者容易理解，轻松掌握。重点从各个技术的起源、设计思想、构架方面阐述，帮助读者能从根源上悟出大数据处理之道。本书适合大数据开发、大数据测试人员，以及其他软件开发或者管理人员和计算爱好者阅读此书从广度上，涵盖了目前几乎所有的大数据处理热门技术，实为大数据行业的入门人员和从业人员的一顿盛宴，推荐！　　--IBM产品经理张帅　　目前大数据处理领域，比较火爆的技术有：Hadoop、Spark和Storm等，到底哪个技术较强？谁会替代谁？此书对这些技术进行了横向对比，分析了各个技术的应用场景。对大数据处理初学者和大数据行业应用人员有很好的指导作用。　　--Yeahmobi产品构架师朱杰　　大数据处理技术日新月异，从最初的Hadoop到Spark,在此同时，为了满足不同的场景，各大IT公司均陆续的提出了不同的大数据处理方案，目前已有数十种大数据处理技术涌现在我们面前。为此，我们只有不断的学习新技术才能跟上时代的步伐。本书对深入了解大数据处理技术有很好的参考意义。　　--华为大数据技术构架师尹青　　十年前，有人曾说过，"21世纪什么最贵？"——"人才"，深以为然。只是在十年后的今天，大数据的价值越来越明显，堪比石油和黄金。为应对海量数据处理带来的巨大挑战,全球计算机精英们开发出众多有针对性的先进技术。本书全面介绍了目前大数据处理领域的热门技术的精髓和适应的场景，实用性很强。　　--中兴高达产品经理，技术总监尹尚国　　本书内容丰富，结构严谨，语言诙谐，为读者精彩呈现了大数据处理处理各大热门技术的设计思想，应用场景和实例，可帮助大数据初学者快速上手，可帮助大数据研发人员扩展知识，是大数据处理行业不可多得的书籍。　　--知名IT领军人物欧立奇 [2]

2018-11-03

机器学习实战(Peter Harrington 著)

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。目　录　　第一部分　分类　　第1章　机器学习基础　2 　　1.1 　何谓机器学习　3 　　1.1.1 　传感器和海量数据　4 　　1.1.2 　机器学习非常重要　5 　　1.2 　关键术语　5 　　1.3 　机器学习的主要任务　7 　　1.4 　如何选择合适的算法　8 　　1.5 　开发机器学习应用程序的步骤　9 　　1.6 　Python语言的优势　10 　　1.6.1 　可执行伪代码　10 　　1.6.2 　Python比较流行　10 　　1.6.3 　Python语言的特色　11 　　1.6.4 　Python语言的缺点　11 　　1.7 　NumPy函数库基础　12 　　1.8 　本章小结　13 　　第2章　k-近邻算法　15 　　2.1 　k-近邻算法概述　15 　　2.1.1 　准备：使用Python导入数据　17 　　2.1.2 　从文本文件中解析数据　19 　　2.1.3 　如何测试分类器　20 　　2.2 　示例：使用k-近邻算法改进约会网站的配对效果　20 　　2.2.1 　准备数据：从文本文件中解析数据　21 　　2.2.2 　分析数据：使用Matplotlib创建散点图　23 　　2.2.3 　准备数据：归一化数值　25 　　2.2.4 　测试算法：作为完整程序验证分类器　26 　　2.2.5 　使用算法：构建完整可用系统　27 　　2.3 　示例：手写识别系统　28 　　2.3.1 　准备数据：将图像转换为测试向量　29 　　2.3.2 　测试算法：使用k-近邻算法识别手写数字　30 　　2.4 　本章小结　31 　　第3章　决策树　32 　　3.1 　决策树的构造　33 　　3.1.1 　信息增益　35 　　3.1.2 　划分数据集　37 　　3.1.3 　递归构建决策树　39 　　3.2 　在Python中使用Matplotlib注解绘制树形图　42 　　3.2.1 　Matplotlib注解　43 　　3.2.2 　构造注解树　44 　　3.3 　测试和存储分类器　48 　　3.3.1 　测试算法：使用决策树执行分类　49 　　3.3.2 　使用算法：决策树的存储　50 　　3.4 　示例：使用决策树预测隐形眼镜类型　50 　　3.5 　本章小结　52 　　第4章　基于概率论的分类方法：朴素贝叶斯　53 　　4.1 　基于贝叶斯决策理论的分类方法　53 　　4.2 　条件概率　55 　　4.3 　使用条件概率来分类　56 　　4.4 　使用朴素贝叶斯进行文档分类　57 　　4.5 　使用Python进行文本分类　58 　　4.5.1 　准备数据：从文本中构建词向量　58 　　4.5.2 　训练算法：从词向量计算概率　60 　　4.5.3 　测试算法：根据现实情况修改分类器　62 　　4.5.4 　准备数据：文档词袋模型　64 　　4.6 　示例：使用朴素贝叶斯过滤垃圾邮件　64 　　4.6.1 　准备数据：切分文本　65 　　4.6.2 　测试算法：使用朴素贝叶斯进行交叉验证　66 　　4.7 　示例：使用朴素贝叶斯分类器从个人广告中获取区域倾向　68 　　4.7.1 　收集数据：导入RSS源　68 　　4.7.2 　分析数据：显示地域相关的用词　71 　　4.8 　本章小结　72 　　第5章　Logistic回归　73 　　5.1 　基于Logistic回归和Sigmoid函数的分类　74 　　5.2 　基于最优化方法的最佳回归系数确定　75 　　5.2.1 　梯度上升法　75 　　5.2.2 　训练算法：使用梯度上升找到最佳参数　77 　　5.2.3 　分析数据：画出决策边界　79 　　5.2.4 　训练算法：随机梯度上升　80 　　5.3 　示例：从疝气病症预测病马的死亡率　85 　　5.3.1 　准备数据：处理数据中的缺失值　85 　　5.3.2 　测试算法：用Logistic回归进行分类　86 　　5.4 　本章小结　88 　　第6章　支持向量机　89 　　6.1 　基于最大间隔分隔数据　89 　　6.2 　寻找最大间隔　91 　　6.2.1 　分类器求解的优化问题　92 　　6.2.2 　SVM应用的一般框架　93 　　6.3 　SMO高效优化算法　94 　　6.3.1 　Platt的SMO算法　94 　　6.3.2 　应用简化版SMO算法处理小规模数据集　94 　　6.4 　利用完整Platt SMO算法加速优化　99 　　6.5 　在复杂数据上应用核函数　105 　　6.5.1 　利用核函数将数据映射到高维空间　106 　　6.5.2 　径向基核函数　106 　　6.5.3 　在测试中使用核函数　108 　　6.6 　示例：手写识别问题回顾　111 　　6.7 　本章小结　113 　　第7章　利用AdaBoost元算法提高分类　　性能　115 　　7.1 　基于数据集多重抽样的分类器　115 　　7.1.1 　bagging：基于数据随机重抽样的分类器构建方法　116 　　7.1.2 　boosting　116 　　7.2 　训练算法：基于错误提升分类器的性能　117 　　7.3 　基于单层决策树构建弱分类器　118 　　7.4 　完整AdaBoost算法的实现　122 　　7.5 　测试算法：基于AdaBoost的分类　124 　　7.6 　示例：在一个难数据集上应用AdaBoost　125 　　7.7 　非均衡分类问题　127 　　7.7.1 　其他分类性能度量指标：正确率、召回率及ROC曲线　128 　　7.7.2 　基于代价函数的分类器决策控制　131 　　7.7.3 　处理非均衡问题的数据抽样方法　132 　　7.8 　本章小结　132 　　第二部分　利用回归预测数值型数据　　第8章　预测数值型数据：回归　136 　　8.1 　用线性回归找到最佳拟合直线　136 　　8.2 　局部加权线性回归　141 　　8.3 　示例：预测鲍鱼的年龄　145 　　8.4 　缩减系数来“理解”数据　146 　　8.4.1 　岭回归　146 　　8.4.2 　lasso　148 　　8.4.3 　前向逐步回归　149 　　8.5 　权衡偏差与方差　152 　　8.6 　示例：预测乐高玩具套装的价格　153 　　8.6.1 　收集数据：使用Google购物的API　153 　　8.6.2 　训练算法：建立模型　155 　　8.7 　本章小结　158 　　第9章　树回归　159 　　9.1 　复杂数据的局部性建模　159 　　9.2 　连续和离散型特征的树的构建　160 　　9.3 　将CART算法用于回归　163 　　9.3.1 　构建树　163 　　9.3.2 　运行代码　165 　　9.4 　树剪枝　167 　　9.4.1 　预剪枝　167 　　9.4.2 　后剪枝　168 　　9.5 　模型树　170 　　9.6 　示例：树回归与标准回归的比较　173 　　9.7 　使用Python的Tkinter库创建GUI　176 　　9.7.1 　用Tkinter创建GUI　177 　　9.7.2 　集成Matplotlib和Tkinter　179 　　9.8 　本章小结　182 　　第三部分　无监督学习　　第10章　利用K-均值聚类算法对未标注数据分组　184 　　10.1 　K-均值聚类算法　185 　　10.2 　使用后处理来提高聚类性能　189 　　10.3 　二分K-均值算法　190 　　10.4 　示例：对地图上的点进行聚类　193 　　10.4.1 　Yahoo! PlaceFinder API　194 　　10.4.2 　对地理坐标进行聚类　196 　　10.5 　本章小结　198 　　第11章　使用Apriori算法进行关联分析　200 　　11.1 　关联分析　201 　　11.2 　Apriori原理　202 　　11.3 　使用Apriori算法来发现频繁集　204 　　11.3.1 　生成候选项集　204 　　11.3.2 　组织完整的Apriori算法　207 　　11.4 　从频繁项集中挖掘关联规则　209 　　11.5 　示例：发现国会投票中的模式　212 　　11.5.1 　收集数据：构建美国国会投票记录的事务数据集　213 　　11.5.2 　测试算法：基于美国国会投票记录挖掘关联规则　219 　　11.6 　示例：发现毒蘑菇的相似特征　220 　　11.7 　本章小结　221 　　第12章　使用FP-growth算法来高效发现频繁项集　223 　　12.1 　FP树：用于编码数据集的有效方式　224 　　12.2 　构建FP树　225 　　12.2.1 　创建FP树的数据结构　226 　　12.2.2 　构建FP树　227 　　12.3 　从一棵FP树中挖掘频繁项集　231 　　12.3.1 　抽取条件模式基　231 　　12.3.2 　创建条件FP树　232 　　12.4 　示例：在Twitter源中发现一些共现词　235 　　12.5 　示例：从新闻网站点击流中挖掘　238 　　12.6 　本章小结　239 　　第四部分　其他工具　　第13章　利用PCA来简化数据　242 　　13.1 　降维技术　242 　　13.2 　PCA　243 　　13.2.1 　移动坐标轴　243 　　13.2.2 　在NumPy中实现PCA　246 　　13.3 　示例：利用PCA对半导体制造数据降维　248 　　13.4 　本章小结　251 　　第14章　利用SVD简化数据　252 　　14.1 　SVD的应用　252 　　14.1.1 　隐性语义索引　253 　　14.1.2 　推荐系统　253 　　14.2 　矩阵分解　254 　　14.3 　利用Python实现SVD　255 　　14.4 　基于协同过滤的推荐引擎　257 　　14.4.1 　相似度计算　257 　　14.4.2 　基于物品的相似度还是基于用户的相似度？　260 　　14.4.3 　推荐引擎的评价　260 　　14.5 　示例：餐馆菜肴推荐引擎　260 　　14.5.1 　推荐未尝过的菜肴　261 　　14.5.2 　利用SVD提高推荐的效果　263 　　14.5.3 　构建推荐引擎面临的挑战　265 　　14.6 　基于SVD的图像压缩　266 　　14.7 　本章小结　268 　　第15章　大数据与MapReduce　270 　　15.1 　MapReduce：分布式计算的框架　271 　　15.2 　Hadoop流　273 　　15.2.1 　分布式计算均值和方差的mapper　273 　　15.2.2 　分布式计算均值和方差的reducer　274 　　15.3 　在Amazon网络服务上运行Hadoop程序　275 　　15.3.1 　AWS上的可用服务　276 　　15.3.2 　开启Amazon网络服务之旅　276 　　15.3.3 　在EMR上运行Hadoop作业　278 　　15.4 　MapReduce上的机器学习　282 　　15.5 　在Python中使用mrjob来自动化MapReduce　283 　　15.5.1 　mrjob与EMR的无缝集成　283 　　15.5.2 　mrjob的一个MapReduce脚本剖析　284 　　15.6 　示例：分布式SVM的Pegasos算法　286 　　15.6.1 　Pegasos算法　287 　　15.6.2 　训练算法：用mrjob实现MapReduce版本的SVM　288 　　15.7 　你真的需要MapReduce吗？　292 　　15.8 　本章小结　292 　　附录A 　Python入门　294 　　附录B 　线性代数　303 　　附录C 　概率论复习　309 　　附录D 　资源　312 　　索引　313 　　版权声明　316

2018-11-03

统计学习方法_李航

统计学习是计算机及其应用领域的一门重要的学科。本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。《统计学习方法》是统计学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供从事计算机应用相关专业的研发人员参考。《统计学习方法》第1章统计学习方法概论 1.1统计学习 1.2监督学习 1.2.1基本概念 1.2.2问题的形式化 1.3统计学习三要素 1.3.1模型 1.3.2策略 1.3.3算法 1.4模型评估与模型选择 1.4.1训练误差与测试误差 1.4.2过拟合与模型选择 1.5i~则化与交叉验证 1.5.1正则化 1.5.2交叉验证 1.6泛化能力 1.6.1泛化误差 1.6.2泛化误差上界 1.7生成模型与判别模型 .1.8分类问题 1.9标注问题 1.10回归问题本章概要继续阅读习题参考文献第2章感知机 2.1感知机模型 2.2感知机学习策略 2.2.1数据集的线性可分性 2.2.2感知机学习策略 2.3感知机学习算法 2.3.1感知机学习算法的原始形式 2.3.2算法的收敛性 2.3.3感知机学习算法的对偶形式本章概要继续阅读习题参考文献第3章众近邻法 3.1 k近邻算法 3.2 k近邻模型 3.2.1模型 3.2.2距离度量 ·3.2.3 k值的选择 3.2.4分类决策规则 3.3k近邻法的实现：kd树 3.3.1构造af树 3.3.2搜索af树本章概要继续阅读习题参考文献第4章朴素贝叶斯法 4.1朴素贝叶斯法的学习与分类 4.1.1基本方法 4.1.2后验概率最大化的含义 4.2朴素贝叶斯法的参数估计 4.2.1极大似然估计 4.2.2学习与分类算法 4.2.3贝叶斯估计本章概要继续阅读习题参考文献第5章决策树 5.1决策树模型与学习 5.1.1决策树模型 5.1.2决策树与isthen规则 5.1.3决策树与条件概率分布 5.1.4决策树学习 5.2特征选择 5.2.1特征选择问题 5.2.2信息增益 5.2.3信息增益比 5.3决策树的生成 5.3.11d3算法 5.3.2 c4.5的生成算法 5.4决策树的剪枝 5.5cart算法 5.5.1cart生成 5.5.2cart剪枝本章概要继续阅读习题参考文献第6章逻辑斯谛回归与最大熵模型 6.1逻辑斯谛回归模型 6.1.1逻辑斯谛分布 6.1.2项逻辑斯谛回归模型 6.1.3模型参数估计 6.1.4多项逻辑斯谛回归 6.2最大熵模型 6.2.1最大熵原理 6.2.2最大熵模型的定义 6.2.3最大熵模型的学习 6.2.4极大似然估计 6.3模型学习的最优化算法 6.3.1改进的迭代尺度法 6.3.2拟牛顿法本章概要继续阅读习题参考文献第7章支持向量机 7.1线性可分支持向量机与硬间隔最大化 7.1.1线性可分支持向量机 7.1.2函数间隔和几何间隔 7.1.3间隔最大化 7.1.4学习的对偶算法 7.2线性支持向量机与软间隔最大化 7.2.1线性支持向量机 7.2.2学习的对偶算法 7.2.3支持向量 7.2.4合页损失函数 7.3非线性支持向量机与核函数 7.3.1核技巧 7.3.2定核 7.3.3常用核函数 7.3.4非线性支持向量分类机 7.4序列最小最优化算法 7.4.1两个变量二次规划的求解方法 7.4.2变量的选择方法 7.4.3smo算法本章概要继续阅读习题参考文献第8章提升方法 8.1提升方法adaboost算法 8.1.1提升方法的基本思路 8.1.2adaboost算法 8.1.3 adaboost的例子 8.2adaboost算法的训练误差分析 8.3 adaboost算法的解释 8.3.1前向分步算法 8.3.2前向分步算法与ad9boost 8.4提升树 8.4.1提升树模型 8.4.2提升树算法 8.4.3梯度提升本章概要继续阅读习题参考文献第9章em算法及其推广 9.1em算法的引入 9.1.1em算法 9.1.2em算法的导出 9.1.3em算法在非监督学习中的应用 9.2em算法的收敛性 9.3em算法在高斯混合模型学习中的应用 9.3.1高斯混合模型 9.3.2高斯混合模型参数估计的em算法 9.4em算法的推广 9.4.1f函数的极大极大算法 9.4.2gem算法本章概要继续阅读习题参考文献第10章隐马尔可夫模型 10.1隐马尔可夫模型的基本概念 10.1.1隐马尔可夫模型的定义 10.1.2观测序列的生成过程 10.1.3隐马尔可夫模型的3个基本问题 10.2概率计算算法 10.2.1直接计算法 10.2.2前向算法 10.2.3后向算法 10.2.4一些概率与期望值的计算 10.3学习算法 10.3.1监督学习方法 10.3.2baum-welch算法 10.3.3baum-welch模型参数估计公式 10.4预测算法 10.4.1近似算法 10.4.2维特比算法本章概要继续阅读习题参考文献第11章条件随机场 11.1概率无向图模型 11.1.1模型定义 11.1.2概率无向图模型的因子分解 11.2条件随机场的定义与形式 11.2.1条件随机场的定义 11.2.2条件随机场的参数化形式 11.2.3条件随机场的简化形式 11.2.4条件随机场的矩阵形式 11.3条件随机场的概率计算问题 11.3.1前向后向算法 11.3.2概率计算 11.3.3期望值的计算 11.4条件随机场的学习算法 11.4.1改进的迭代尺度法 11.4.2拟牛顿法 11.5条件随机场的预测算法本章概要继续阅读习题参考文献第12章统计学习方法总结附录a梯度下降法附录b牛顿法和拟牛顿法附录c拉格朗日对偶性

2018-11-03

python核心知识思维导图14张

主要涵盖了 Python 编程的核心知识（暂不包括标准库及第三方库）。按顺序依次展示了以下内容的一系列思维导图：基础知识，数据类型（数字，字符串，列表，元组，字典，集合），条件&循环，文件对象，错误&异常，函数，模块，面向对象编程

2018-11-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

机器学习实战——原书_高清

R语言实战（第2版）_完整版带目录

Hadoop权威指南_第四版_带目录，中文，高清

程序员代码面试指南-代码

大数据处理之道

机器学习实战(Peter Harrington 著)

统计学习方法_李航

推荐系统实战-项亮

python核心知识思维导图14张

空空如也