原创 Flask快速入門及知識整理

一、Flask介紹(輕量級的框架,非常快速的就能把程序搭建起來)   Flask是一個基於Python開發並且依賴jinja2模板和Werkzeug WSGI服務的一個微型框架,對於Werkzeug本質是Socket服務端,其用於接收h

原创 flask-wtforms

簡介 WTForms是一個支持多個web框架的form組件,主要用於對用戶請求數據進行驗證。 安裝: pip3 install wtforms 用戶登錄註冊示例 1.用戶登錄 當用戶登錄時候,需要對用戶提交的用戶名和密碼進行多種格式

原创 將dataframe 對象寫入數據庫中,並指定數據類型

在數據分析並存儲到數據庫時,Python的Pandas包提供了to_sql 方法使存儲的過程更爲便捷,但如果在使用to_sql方法前不在數據庫建好相對應的表,to_sql則會默認爲你創建一個新表,這時新表的列類型可能並不是你期望的。例如我

原创 sublime text 3.2.1 3207註冊(自行破解)方法

原文鏈接:https://www.jianshu.com/p/1dc6ca5b9175 看到sublime text剛發佈了最新版本3.2.1 3207,可是升級後之前註冊的版本就失效了,需要重

原创 pyecharts畫圖

有時我們會很希望把數據展示在地圖上,來做數據可視化,使數據更加清晰明瞭,可謂一圖勝百文。先說說我用地圖做什麼了:微信好友全國分佈,顯示票房省份數據,全國評分顯示等等,我這個語言能力很是頭疼啊,進入正題吧!  在使用地圖前需要安裝一下適

原创 python manage.py makemigrations 執行報錯 解決辦法

報錯原因:已經在settings.py文件中註冊過app仍舊提示沒有安裝,並且使用makegirations命令時會拋出如下異常 ValueError: The field admin.LogEntry.user was declared

原创 python庫--pandas--Series.str--字符串處理

S: Series  I: Index 方法 返回值 參數 說明 .capitalize() S/I   將Series/Index中的字符串大寫 .cat() S/I/str  使用給定分隔符連接字符串 other=None  None

原创 python--利用datetime模塊計算時間差

python中通過datetime模塊可以很方便的計算兩個時間的差,datetime的時間差單位可以是天、小時、秒,甚至是微秒,下面我們就來詳細看下datetime的強大功能: from datetime import datetime

原创 本地mysql快速遷移到服務器數據庫中

我們可以使用linux的scp命令(scp無法在windows使用),加上mysql自帶的mysqldump,能很快的完成數據庫的遷移 將本地的數據庫(music_db)導出爲sql文件(music_db.sql) mysqldum

原创 python利用joblib保存訓練模型

在機器學習中我們訓練模型後,需要把模型保存到本地,這裏我們採用joblib來保存 from sklearn.externals import joblib   #保存訓練模型 def Save_Model(self, model, fi

原创 Python數據分析之pandas學習

Python中的pandas模塊進行數據分析。 接下來pandas介紹中將學習到如下8塊內容: 1、數據結構簡介:DataFrame和Series 2、數據索引index 3、利用pandas查詢數據 4、利用pandas的DataFra

原创 基於人工智能的5G無線網規劃和優化

摘要:自組織網絡(SON)在即將到來的5G系統中的功能是人工智能(AI)機制的一個很有前途的領域。在這方面,本文分析瞭如何在AI概念的基礎上構建未來5G系統中無線接入網規劃和優化的自組織網絡。提出了一個框架,通過基於學習的分類、預測和聚類

原创 聚類算法——python實現SOM算法

算法簡介 SOM網絡是一種競爭學習型的無監督神經網絡,將高維空間中相似的樣本點映射到網絡輸出層中的鄰近神經元。 訓練過程簡述:在接收到訓練樣本後,每個輸出層神經元會計算該樣本與自身攜帶的權向量之間的距離,距離最近的神經元成爲競爭獲勝者,稱

原创 用KNN解決非線性迴歸問題

最近有一批數據,通過4個特徵來預測1個值,原來用線性迴歸和神經網絡嘗試過,準確率只能到40%左右。用KNN結合網格搜索和交叉驗證,正確率達到了79%,沒錯,KNN解決迴歸問題也很贊。 什麼是KNN KNN就是K近鄰算法(k-Nearest

原创 30分鐘學會用scikit-learn的基本回歸方法(線性、決策樹、SVM、KNN)和集成方法(隨機森林,Adaboost和GBRT)

本文主要參考了scikit-learn的官方網站  前言:本教程主要使用了numpy的最最基本的功能,用於生成數據,matplotlib用於繪圖,scikit-learn用於調用機器學習方法。如果你不熟悉他們(我也不熟悉),沒關係,看看n