WiseDoge

在 实验楼 上看的，自己看了一下感觉用处很大，代码也不难懂，特分享一下。给定一个.txt文件，将其转换成HTML网页。我们先来编写代码：#!/usr/bin/python# encoding: utf-8#util.pydef lines(file): """ 生成器,在文本最后加一空行 """ for line in file: yield

源代码地址：https://github.com/WiseDoge/ZhiHu_Spider一个分布式的网络爬虫，用于抓取知乎的用户详细信息，包括用户名、行业、位置、毕业院校、介绍、关注者、关注人等。 原理主机 负责分发任务。从起始位置开始，将当前用户的所有关注者提取出来，并压入Redis任务队列，然后随机的进入到其中一个关注者的主页，递归上述操作。 从机 负责抓取网页。连接至Redis

项目的代码在这里：https://github.com/WiseDoge/ProxyPool 跨语言高性能IP代理池，Python实现。 注意：请运行程序前先更新一下抓取代理的函数。运行环境Python 3.5(请务必保证Python的版本在3.5以上，否则异步检验无法使用。)Redis Redis官网并没有提供Windows的安装版，Windows用户可以点击此处下载一个我自己编译

测试代码和更多机器学习算法详见 https://github.com/WiseDoge/ML-by-Pythonimport numpy as npclass BPNetWork(object): """ 全连接神经网络，采用BP算法训练。 """ def __init__(self, layers, act_func='tanh'): """

完整的代码请见：https://github.com/WiseDoge/ML-by-Pythonfrom collections import defaultdictimport numpy as npclass TreeNode(object): """决策树节点""" def __init__(self, **kwargs): ''' attr_

支持向量机（SVM）算法的Python实现更多机器学习算法的实现，详见 https://github.com/WiseDoge/ML-by-Pythonimport numpy as npclass SVC(object): """ 支持向量机(Support Vector Machine)二分类器, 默认的核函数是 多项式函数。 使用时，正类用1表示，负类用-1表

内容K近邻算法感知机朴素贝叶斯分类器决策树(Decision Tree)随机森林(Random Forests)支持向量机(Support Vector Machine)线性回归(Linear Regression)逻辑斯蒂回归(Logistic Regression)Bagging算法神经网络(BP算法)隐马尔科夫模型(HMM)K-Means聚类算法LVQ聚类算法主成份分析法(PCA)

「近年来，百度贴吧已经成为一些同学生活中必不可少的一部分，利用空闲时间刷刷贴吧、看看帖子也成为一些人的日常。同学们经常会遇到这样一个问题，有一个图片帖，帖子中有大量自己喜欢的图片（如http://tieba.baidu.com/p/3242594565），于是便想把图图片保存到自己的电脑上以便以后之需，可是由于一个帖子中的图片实在太多（多达几百张），逐张保存非常耗费时间和精力，这时大家就希望有一种

阅读本文前，建议查阅相关资料，了解 KNN 算法与 KD 树。基础知识如图所示，假设一个点 a 目前的最近邻点为 b，如果存在相对于 b 离 a 更近的点，那么这个点一定在以 a 为圆心，ab 为半径的圆内。 现右侧的区域是未知的，如果 a 到分界线的距离 l 大于目前的最近距离 L（圆半径），则没有必要在右侧的未知区域继续寻找最近邻点（如图一），反之，则要继续寻找（如图二）。 相应的，投射到多