原创 Python算個開始吧

今天算作重新開始專注學Python吧。就先吧c++放一放,不去考慮了。借了兩本書,一個headfirst,一個核心編程,努力把Python學到一個階段。不能斷斷續續的,就過一段時間又忘了學的什麼了。 兩本書和一個老廖的教程,先這樣

原创 Python一些基礎的東西1

一、開始 1、命令行模式和交互模式: 命令行模式: 交互模式:在命令行輸入“Python”可以切換到交互模式,即可輸入Python代碼,提示符爲“>>>”。在交互模式中輸入exit()可退出到命令行。 在命令行下可以執行 .p

原创 一些別的

一些別的 切片 在list和tuple 中可以截取其中的一部分。 切片的索引從0開始,最後一位可以使用索引-1表示 L[::2]表示切片步長,從開始到結尾以2爲步長選取數據。 L[0:3]表示選取前三個數,下面索引0 1 2,

原创 面向對象OOP

面向對象OOP 標籤(空格分隔): 未分類 面向對象編程——Object Oriented Programming,簡稱OOP,是一種程序設計思想。OOP把對象作爲程序的基本單元,一個對象包含了數據和操作數據的函數。 面向過程

原创 第一篇嘗試

嘗試一下怎麼寫第一篇blog。以後就用這個做筆記好了。方便好用。 就是個學渣,儘量多學點東西,找工作可以用得到。 現在有兩件事要做: 一、跟項目。把項目做出來,達到畢業不慌的標準。 二、自學編程。學編程,現在不能只看基礎的概念

原创 做題修改1

1. #include "stdio.h" class A { public: A() { printf("1"); } A(A &a) { print

原创 機器學習(Coursera吳恩達)(八 其他)

機器學習(Coursera吳恩達)(八 其他) 標籤(空格分隔): 機器學習 異常檢測(anomaly detection) 異常檢測問題:假設有一個新飛機,引擎有特徵變量xtestxtest ,異常檢測就是我們希望制導這個新的飛機引擎

原创 機器學習(Coursera吳恩達)(四)(神經網絡待學)

機器學習(Coursera吳恩達)(四)(神經網絡待學) 標籤(空格分隔): 機器學習 神經網絡 Neural-Network 神經網絡(NEURAL NETWORK) 無論是線性迴歸還是邏輯迴歸,當特徵太多時,計算負荷會非常大。 如

原创 機器學習(Coursera)(三、邏輯迴歸)

機器學習(Coursera)(三、邏輯迴歸) 標籤(空格分隔): 機器學習 邏輯迴歸 邏輯迴歸 分類問題 例如腫瘤診斷,電子郵件分類,是否存在欺詐等問題中,應用的是分類的特性。嘗試預測某一個樣本應該分在哪一類裏。 將因變量分爲正向類1(

原创 機器學習(Coursera吳恩達)(二)

機器學習(Coursera吳恩達)(二) 標籤(空格分隔): 機器學習 多變量線性迴歸(Linear Regression with Multiple Variables) 多維特性 構建一個有n個變量的模型,模型中的特徵爲(x1,x2

原创 機器學習(Coursera吳恩達)(六)

機器學習(Coursera吳恩達)(六) 標籤(空格分隔): 機器學習 SVM 聚類 支持向量機 從邏輯迴歸推出SVM。 邏輯迴歸:如果有一個1樣本,希望得到的hθ(x)hθ(x) 趨近於1,這就要求θTxθTx 應遠大於0。反之

原创 機器學習(Coursera吳恩達)(五)

機器學習(Coursera吳恩達)(五) 標籤(空格分隔): 機器學習 我們要怎麼樣選擇哪些方法,來改善我們的學習算法。 1. 嘗試減少特徵數量 2. 嘗試獲得更多的特徵 3. 嘗試增加多項式特徵 4. 嘗試減少正則化程度

原创 裝飾器 decorator

裝飾器 decorator 標籤: python 這裏學習一下Python裝飾器(Decorator)的用法。 首先要注意的是,Python中的函數可以像普通變量一樣當做參數傳遞給另外一個函數,例如: def foo(): p

原创 機器學習(Coursera吳恩達)(一)

機器學習(Coursera吳恩達)(一) 標籤(空格分隔): 機器學習 第一週 機器學習是什麼? 讓機器學習人的行爲模式,學習人腦的思維模式。 比如Alpha狗可以對戰下棋,垃圾郵件篩選,只能推薦系統,自動駕駛等很多都是基於機器學習

原创 實戰blogs-day9-10 API

實戰blogs-day9-10 API 標籤(空格分隔): 筆記 API 1、 API(Application Programming Interface,應用程序編程接口) 提供應用程序與開發人員基於某軟件或硬件的以訪問一組例程的能