学者的博客

本文介绍相关性分析的方法和工具。从三个常用相关系数（pearson,spearman,kendall）的定义出发，说明相关性分析的原理和作用。

本文提供将自定义类的对象转换成dict的方法，方便转换成json

简介文本实现了一个自研的TSP问题近似解法。在规模5～100的问题上近似比在1.1左右。另外在规模为1000的一个测试用例上测得近似比为：1.0742784198679693。时间复杂度O(n^3)。基本思想：基于最近邻的思想，每次选择一个最近且加入后不会产生边交叉的顶点。但是有可能不存在这样的顶点。所以当不存在时，选择最近的顶点，且把该顶点加入后，去除边交叉。直到所有顶点都被选择为止。注意：这里的边交叉是指：路径中存在一条子路径，可以通过翻转该子路径后使得原路径变短。如下图。实验结果本文对

简介众所周知，TSP问题是一个NP问题，至今只能通过近似的方法来求解。即使使用分支限界方法等非近似算法算得依然很慢。比较好的近似算法有：Lin–Kernighan 在100以内几乎可以得到最优解，速度很快，时间复杂度O(n2.2)O(n^{2.2})O(n2.2)Christofides 理论最坏情况可以达到1.5倍的近似比，时间复杂度O(n3)O(n^3)O(n3)但是代码...

例如划分训练集、测试集、验证集比例为 6：2：26： 2： 26：2：2, 代码如下：import pandas as pd""" 此脚本将数据集分为训练集和测试集和验证集"""if __name__ == "__main__": data = pd.read_csv("corpus-model-filtered.csv", header=None) #加载数据 data:pd.DataFrame = data.sample(frac=1.0)

1. 数组a的形状是shape=(3, 4, 5, 6), 对其进行形状改变操作a.reshape(-1, 3, 6), 其形状是什么？ ( C )A、(3, 5, 6)B、(4, 5, 6)C、(20, 3, 6)D、(5, 6)2. python中以下哪些是不可变的数据 (A)A、tupleB、listC、setD、dict3. 下列哪些语句在python中是非法的？ （B）A、x=y=z=1B、x=(y=z+1)C、x,y=y,xD、x += y4. python不支持的

本篇实现了一个最简单的感知器,能够将下图中的两类数据分开。原理我们假设有一个超平面可以将两类数据分开：wTx=0w^Tx=0wTx=0其中,wT=[w0 w1 w2 ... wn]w^T=[w_0 \ w_1 \ w_2 \ ... \ w_n]wT=[w0​ w1​ w2​ ... wn​]是系数，xT=[1 x1 x2 ... xn]x^T=[1 \ x_1 \ x_2

效果数据来自iris数据集，数据集下载地址：链接: https://pan.baidu.com/s/1DMp8paakuOgfWSX8YCGfsA 提取码: fmwx数学原理记某件事件发生为1，不发生为0，则有：显然服从两点分布，其概率密度函数为：那么事件发生的几率为：为了映射到R范围，我们log一下：假设在因素x的影响下呈线性分布（也可以假设其它，最终还是可以变换到线性...

效果下面是随便编造的一组数据在1~7阶上的拟合效果。数学原理最小二乘假设拟合有m个样本的n维数据，设拟合线性方程如下则实际的方程如下，h(x)是误差项，服从移项， 则有：对它作极大似然估计（这是参数估计的一般步骤），似然方程如下：因为我们只关心theta, 因此把sigma看成常数，此时当以下函数取最小值时，L有最大值：这就是最小二乘法的由来，即用实际值减去拟合的...

原理下面以 从4维降到2维 为例：如果有一组n个样本的数据，身高体重变量3变量4x0y0z0w0x1y1z1w1…………x_(n-1)y_(n-1)z_(n-1)w_(n-1)那么可以用一个矩阵表示这组数据 ,为了方便，我们转置一下：我们的目标是把它降成2维。为什么要降维呢？我们知道，如果数据是一维，我们可以在数轴上...

原理复数平面中某些点按照函数 f(z) = z^2 + c 进行迭代。即我们假设c总是小于2 的。当迭代到某一步发现|z| > 2时，从公式可得下一个|z|会变得更大。则这个z所代表的复数在随着迭代次数增加，必然发散的.Julia集就是由非发散点组成的集合。我们把这些点画出来就可以了。但是我们不可能把所有点都找出来。只能认为在一定迭代次数（例如25）下，|z| < 2的点统...

原理任何一个矩阵都可以进行SVD分解。即分解过程极复杂，略。其中它只有对角线上有元素，其余为0。它描述了矩阵A的主要特征。我们把图片的R、G、B三个通道分别看成一个矩阵。对它们进行SVD分解。然后将需要的特征保留（一般是取前几个），把不需要的置0。把分解后的矩阵再乘起来得到新的A就是压缩后的内容了。原图与压缩结果原图：压缩图：取了10个特征压缩前：669KB压缩后：17...

效果：服务端代码：import socket, threadingserver = socket.socket(socket.AF_INET, socket.SOCK_STREAM)server.bind((&quot;0.0.0.0&quot;, 8080))server.listen(1000)def broadCastMSG(users, msgNo, msg, selfLink): ...

客户端：import socketlink = socket.socket(socket.AF_INET, socket.SOCK_STREAM)link.connect(("192.168.43.64", 80))while True: data = input() link.send(data.encode("utf-8")) result = link....

其实非常简单from urllib import requestwith request.urlopen(&quot;http://down.dbcxz1.net/20181105/BigBaiCai_UEFI_bd.exe&quot;) as file: print(file.status) print(file.reason)结果 ：200OK如果链接指向一个文件也不怕，因为fi...