原创 C#中string轉成int類型

三種方法: int num = 0; string str = "123"; num = int.Parse(str); int.TryParse(str, out num); num = Convert.ToInt32(str);其中第

原创 Python中join()函數的用法

‘sep’.join('seq') sep:分隔符,可以爲空。 seq:要連接的元素序列、字符串、元組、字典。 即以sep爲分隔符,將seq的元素合併成一個新的字符串。 舉例: >>> '1'.join('abcde') 'a1b1c1d

原创 Broad Match,Phrase Match和Exact Match的區別

Broad Match Broad match是使用關鍵詞工具時的默認設置。Broad match的意思是,當關鍵詞的任意部分在任意時間出現在搜索短語中時,這些數據會被添加到記錄的總搜索中,更新頻率爲每月一次。例如,如果關鍵詞是“sunf

原创 Python中split通過多個字符分割字符串

Python中的spilt方法只能通過指定的某個字符分割字符串,如果需要指定多個字符,需要用到re模塊裏的split方法。 例子: >>> import re >>> a = "Hello world!How are you?My fri

原创 Windows環境下TensorFlow的安裝及如何在Jupyter Notebook中使用TensorFlow

最近開始學習TensorFlow,因爲自己電腦配置不高,只能在Windows下安裝cpu版的TensorFlow。首先安裝了最新版的Anaconda,接着使用pip命令安裝TensorFlow出現下面的問題:tensorflow-1.1.

原创 全屏時程序塢自動隱藏的方法

Terminal輸入:defaults write com.apple.dock autohide-delay -int 0 defaults write com.apple.dock autohide-time-modifier -fl

原创 機器學習與數據挖掘之k近鄰法

參考文獻:機器學習與數據挖掘參考文獻 k近鄰法是一種基本分類與迴歸方法。k近鄰算法簡單、直觀:給定一個訓練數據集,對新的輸入實例,在訓練數據集中找到與該實例最近鄰的k個實例,這k個實例的多數屬於某個類,就把該輸入實例分爲這個類。k近鄰法

原创 機器學習與數據挖掘之支持向量機

參考文獻:機器學習與數據挖掘參考文獻 支持向量機是一種二類分類模型。它的基本模型是定義在特徵空間上的間隔最大的線性分類器。支持向量機還包括核技巧,這使它成爲實質上的非線性分類器。支持向量機的學習策略是間隔最大化,可形式化爲一個求解凸二次

原创 字典(dict)按鍵(key)和值(value)排序

1、字典按鍵排序: >>> dic = {'a':2, 'b':1} >>> d = sorted(dic.items(), key = lambda k: k[0]) >>> print(d) [('a', 2), ('b', 1)]2

原创 Go語言中json.Marshal()一直返回[123 125]的解決方法

Go語言中對結構體進行json.Marshal()一直返回[123 125]即“{}”,原因是go中是否可導出是根據名字首字母是否大寫來確定的,如果結構體某字段的首字母爲小寫則不可導出,例子如下(注意Student內字段首字母的大小寫):

原创 git設置和取消代理

git設置代理: git config --global https.proxy 地址:端口 git config --global http.proxy 地址:端口git取消代理: git config --global --unset

原创 Error when import grpc: "Symbol not found: _deflate"解決方法

Import grpc時出現如下錯誤:Traceback (most recent call last): File "/private/var/tmp/_bazel_lls/5ea0bb16383fa9c06c47b535a23ac

原创 FAQ停用詞表

FAQ停用詞表下載地址 ' ' - - – — ︱   ! ! " # # $ $ % % & & ( ( ︵ ︵  ) ) ︶ * * ˉ "," , 、 . . 。 / / : : ; ; ? ? @ @ [ [ \ \ ] ] ^

原创 《Java核心技術》讀書筆記之移位運算符

“>>”和“<<”運算符將二進制位進行右移或左移操作。當需要建立位模式屏蔽某些位時,使用這兩個運算符十分方便。 >>>運算符將用0填充高位;>>運算符用符號位填充高位。沒有<<<運算符。 對移位運算符右側的參數需要進行模32的運算(除非左

原创 機器學習與數據挖掘之邏輯斯諦迴歸

參考文獻:機器學習與數據挖掘參考文獻 一、二項邏輯斯諦迴歸模型 二項邏輯斯諦迴歸模型是如下的條件概率分佈: 這裏,x∈Rn是輸入,Y∈{0,1}是輸出,w∈Rn和b∈R是參數,w稱爲權值向量,b稱爲偏置,w·x爲w和x的內積。有時爲