Pylady的博客

中文语料： CountVectorizer(lowercase=False) 报错： CountVectorizer(token_pattern='(?u)\\b\\w\\w+\\b')

1.1 导入相应的包和数据%matplotlib inline #在jupyter里面需要加入此命令显示图import pandas as pd import matplotlib.pyplot as plt from sklearn.linear_model import RANSACRegressor, LinearRegression, TheilSenRegressor from sklea

简介：决策树是一类常见的机器学习方法，以二分类任务为例，我们希望从给定训练数据集学得一个模型用以对新数据进行分类，比如通过一组数据通过模型训练得到以下的决策树： 理论：决策树学习的关键是如何选择最优划分属性，一般而言，随着划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可能属于同一类别，即结点的“纯度”越来越高。1、信息熵熵定义为信息的期望值，在明晰这个概念之前，我们必须知道信息的定义。如

机器学习实战之朴素贝叶斯朴素贝叶斯分类器基于一个简单的假定：给定目标值时属性之间相互条件独立。1.1 简介贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。这里先解释什么是条件概率：P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概

论numpy中matrix 和 array的区别：Numpy matrices必须是2维的,但是 numpy arrays (ndarrays) 可以是多维的（1D，2D，3D····ND）. Matrix是Array的一个小的分支，包含于Array。所以matrix 拥有array的所有特性。在numpy中matrix的主要优势是：相对简单的乘法运算符号。例如，a和b是两个matrices，那么a

scikit-learn中决策树的可视化一般需要安装graphviz。主要包括graphviz的安装和python的graphviz插件的安装。           第一步是安装graphviz。下载地址在：http://www.graphviz.org/，如果下载grahviz-2.38.msi文件，注意安装的时候选择 for everyone，装完后都要设置环境变量，将graphviz的bi

python异常处理这里主要讨论在python中，遇到异常时处理。

关于a、a+、r+、w+的区别已经明白了，但是最容易弄混的一个点就是文件指针问题，图一和图二的区别在于f.seek(0)，这个方法可使指针指向文件开头，所以这样做之后的read方法才能从头读。或者采用先关闭再读取，也能从头开始读取。f.tell( )表示文件操作当前的指针位置。 转载自http://blog.cs

Index每次只返回查找范围的第一个索引值。 Index(value,[start,[stop]])中括号代表可选参数，在引用是不加中括号。 Eg： a=[1,2,3,4,5,6,7,8,2,5,7]  a.index(2,2)表示从第三个位置开始查找出元素值是2的第一个索引值。

大吉大利，今晚吃鸡~ 今天跟朋友玩了几把吃鸡，经历了各种死法，还被嘲笑说论女生吃鸡的100种死法，比如被拳头抡死、跳伞落到房顶边缘摔死 、把吃鸡玩成飞车被车技秀死、被队友用燃烧瓶烧死的。这种游戏对我来说就是一个让我明白原来还有这种死法的游戏。但是玩归玩，还是得假装一下我沉迷学习，所以今天就用吃鸡比赛的真实数据来看看如何提高你吃鸡的概率。 那么我们就用python和R做数据分析来回答以下的灵魂发问...