silence2015的专栏

Python 是一门很不错的语言，语言简单易学，又不失脚本语言的灵活性，还有海量的第三方库，覆盖的很全面。但也有不少“硬伤”，比如 Python 2.x 和 Python 3.x 版本之间的不兼容等等。注：我的电脑是win10+64位安装多版本python1、安装python需要到官网下载安装包，官网 安装的过程不需要多说，记得两个版本的py分别安装在不同文件夹下 2、接下来就是设置环境变量pa

# coding: utf-8# In[2]:# 动态规划 0/1背包问题# 参考http://www.hawstein.com/posts/dp-knapsack.htmlimport numpy as np# In[3]:# 一共五个宝石，袋子一共可以放10磅宝石n=5c=10# v代表宝石的重量，w代表宝石的价值v={0:2,1:2,2:6,3:5,4:4}w={0:6,1:

本文概述图像检索是图像研究领域中一个重要的话题，广泛应用于医学，电子商务，搜索，皮革等。本文主要是探讨学习基于局部特征和词袋模型的图像检索设计。图像检索概述图像检索按照描述图像不同方式可以分为两类，一类是基于文本的图像检索（Text Based Image Retrieval），另一类是基于内容的图像检索（Content Based Image Retrieval）基于文本的图像检索基于文本的图像检

今天使用opencv发现没有SIFT,一系列特征提取模块也没了。google得知opencv将特征提取啊还有一些比较新的模块放opencv_contrib这儿了，说模块不稳定，嗯我自己现在想用，那么只有自己来编译。从这儿开始踩了一天坑。具体最后按照一个歪果仁写的bolg才填完坑。下面这个歪果仁告诉你为啥没了SIFT？ http://www.pyimagesearch.com/2015/07/16/

自己实现了softmax_cross_entropy_with_logits函数的功能，算是复习下softmax和cross_entropy

简单安装xgboost方法1、下载包https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 注：其中cp后面的35或者36对应python 3.5,3.6，后面还有系统位数2、安装pip install 你下载的xgboost.whl3.Done

kernel原链接：https://www.kaggle.com/pmarcelino/comprehensive-data-exploration-with-python该比赛是针对房价预测这种回归任务开场白：生活中最难懂的是自我。kernel关于四个方面展开1. 理解问题：相对于问题而言，对每一个变量研究他们的意义和重要性2. 单变量研究：该比赛中就针对目标变量（预测的房价）

之前做过关于不同版本的conda的使用总结，最后发现装一个conda的就行了（踩了无数坑）我是因为要在windows10上装tensorflow，当时装的还挺顺利，但是最后装完了，在jupyter里使用时候发现numpy又不能用了，然后改了改参数返现python3的kernel又挂了。。。最后无奈，将电脑上的python2.7,python3.6,anaconda2,anaconda3全删了，

刚开始用python的时候电脑就装了python2和python3，后来要装一些科学计算库，发现在windows下简直折磨人，后来发现了anaconda这个大礼包，他就是个各种科学计算库的集合，安装方便，使用也方便。建议直接用anaconda。问题来了，由于py2，3不兼容，anaconda也分2，3版本。我的电脑是同时装了conda2和3的。默认是使用conda2.7，但是有时候我们

jupyter中导入的包不会被重复导入，如果修改了某个包，需要重新导入咋办。import importlibimportlib.reload(utils)

二值图像分割结果提取主要用到skimage.measure的label和regionprops填补空洞主要用到scipy.ndimage.binary_fill_holeslabel这个函数可以用来对图像进行块的标记，比如我自己做的这个二值图像，现在我用label可以实现对图像所有块标记，其中黑色背景为0，然后块一次被标记上数字（就是所有属于某个块的像素值都被设置成一个固定的值）下面，...

坚持每一天，加油，傻傻

# coding: utf-8# In[22]:# 分治法求和 请编写前述sum函数的代码def SUM(arr,start,end): if start==end: return arr[end] else: return arr[start]+SUM(arr,start+1,end)# In[28]:date=[x for x in ran

本文主要参考http://www.cnblogs.com/ider/p/longest-common-substring-problem-optimization.html的讲解，本人自己用python实现了一下暴力法，动态规划。# coding: utf-8# ## 最长公共子串问题# # ### 暴力法求解 VS 动态规划# # ### 参考自http://www.cnblogs.

先说下我的电脑 win10+64位在windows下安装Scrapy真的好坑啊，没有为什么。你踩了就知道了下面总结下我踩了无数坑后来成功的历程1、参考Scrapy官网的安装教程官网链接2、电脑上需要装有pip，不会的请参考我的另一篇吐血总结pip安装指导3、下载必要库lxml库下载链接，我是python2.7，所以下载的这个4、安装lxml。首先切换到 D:\Python27\Scripts（我安装

字符串的编码乱码问题由来已久，真的是令人头疼。这不是在做正则匹配中文时候，编码又一次成了拦路虎，在这儿记录两点。第一，字符串编码。第二，正则匹配中文。早期编码都用ASCII编码，用一个字节来处理编码。如大写A编码为65，但处理中文时候，一个字节显然不够，至少两哥字节，还不能和ASCII冲突，，中国制定GB2312编码，把中文编进去。 类似的，韩国，日本都出来格子标准，结果就是多语言 混合的文本中会

踩坑记录：用pandas来做csv的缺失值处理时候发现奇怪BUG，就是excel打开csv文件，明明有的格子没有任何东西，当然，我就想到用pandas的dropna()或者fillna()来处理缺失值。但是pandas读取csv文件后发现那个空的地方isnull()竟然是false，就是说那个地方有东西。。。后来经过排查发现看似什么都没有的地方有空字符串，故pandas认为那儿不是缺失

pandas是python非常重要的数据处理库，pandas提供了非常丰富的数据处理函数，对机器学习，数据挖掘前的数据预处理很有帮助。以下是最近小的使用总结：1、pandas读取了csv文件获取了Dataframe类型对象，该对象可以丰富的执行数据处理。缺失值处理dropna() or fillna()2、dataframe['name','age']来获取指定几列数据是不行的，需要两个中括号df=

scikit-learn提供了一系列转换库，他们可以清洗，降维，提取特征等。在数据转换中有三个很重要的方法，fit，fit_transform,transformss=StandardScaler()X_train = ss.fit_transform(X_train)X_test = ss.transform(X_test)初学时候好奇为何，训练样本用fit_transform，而测试样本用t

本例子来自sklearn的demo，我自己在运行demo时候遇到点麻烦，故阅读了下源码，在此总结一些知识点。首先要说明的是如果自己有先下载好的lfw人脸数据集，那么需要将人脸数据集放在lfw_home路径下，这也是因为datasets.fetch_lfw_people在加载数据集的源码的一个小瑕疵。如下图: PCA+SVM实现人脸识别PCA主要是通过奇异值分解将数据映射到低纬度的空间（正交去相关）

每次加代码方案# user/bin/python# -*-encoding:utf-8 -*-import sysreload(sys)sys.setdefaultencoding('utf-8' )在绘图时候，加一行代码plt.rcParams['font.sans-serif'] = ['SimHei']修改配置文件，永久性解决中文显示问题我的windows10+py2.7没成功！oh,

tensorflow现在windows只支持python3.5，所以版本注意下我的电脑是装了conda2，conda3安装前先参考之前我写的一片博文，conda2和conda3共存使用，不同版本下使用jupyter参考链接，如果这儿没问题，下面安装tensorflow就很顺畅了先activate python3（装有conda3的envs），然后就应该如下图然后再在当前环境下创建一个3.5的

创建向量import numpy as npnp.array([1,2])向量的维度一般我们看到的向量都是一行或者一列，在numpy中表示的向量都是一行，而且向量的转置还是它本身，啥都没变 向量的转置向量的逐乘和点乘

回顾下最短路径的地杰斯特拉算法迪杰斯特拉算法是求从某一个起点到其余所有结点的最短路径，是一对多的映射关系，是一种贪婪算法示例： 算法实现流程思路： 迪杰斯特拉算法每次只找离起点最近的一个结点，并将之并入已经访问过结点的集合（以防重复访问，陷入死循环），然后将刚找到的最短路径的结点作为中间结点来更新相邻结点的路径长度，这样循环找到图中一个个结点的最短路径。# dists定义了图，记录着从从起点出发

这儿主要记录两个函数： threading.Thread.join(),threading.Thread.setDaemon()如果创建主线程，并且设置了Daemon（）为True，那么主线程执行完毕，不会等待子线程，直接结束程序join方法的作用是阻塞，让主线程等待子线程结束，join方法可是设置一个timeout参数，即如果主线程等待子线程timeout时间，子线程还没运行结束，那么主...