原创 python使用xlrd和xlwt模塊對Excel文件讀寫(實例:將點座標轉爲無向圖距離)

參考文章《python使用xlrd和xlwt模塊對Excel文件讀寫詳解》 一、數據與目標 數據是這樣的,A列是城市序號1-20,B列是城市的x座標,C列是城市的y座標。 我要做的是通過每個城市間的座標計算每2個城市間的距離,

原创 matlab與python的交互

一、從matlab調用python 強烈建議先看看這B站的視頻,正片從中間開始 1、先給出官方鏈接 進入鏈接後點示例,內容更豐富一些。《Python 庫 — 示例》 2、簡單說一下環境配置(下面的圖片內容來自https://bl

原创 hdu2023求平均成績 杭電OJ Compilation error

請廣大朋友幫我找不同,有哪一行不一樣麼?爲何麼特麼一個Compilation error一個Accept!服了!

原创 分別用numpy和pandas劃分數據集以完成交叉驗證

先說個結論:使用numpy和pandas都可方便的使用sklearn的交叉驗證函數cross_validation_score,但是pandas更好,可以用於更多的適應情況,比如自己寫評估函數等。 一、numpy版本 # np.l

原创 進程同步水果問題

設置1個互斥信號量mutex;3個同步信號量apple、orange均爲0,empty_num=2,empty_num即盤子上還可以放水果的個數。 對於父親進程Father(): while () { P(empty_num);

原创 雙系統 win10卸載deepin簡單3步

一、在deepin系統中 設置 => 啓動菜單 => 修改啓動順序 因爲我自己的deepin已經卸載了,在網上找了個圖,比較可惜這個圖不是雙系統。 只要你有雙系統,將啓動項由 deepin 15 GUN/Linux 改成 Wind

原创 使用pandas和matplotlib對excel文件數據繪製柱狀圖

零、實驗要求 1.爬取數據 2.對數據進行可視化,要求橫軸是競價日期,縱軸表現其他各屬性 一、獲取數據 實驗用到的數據是這樣的,你可以右鍵選擇新建標籤頁打開圖片看到它 獲取該.xlsx文件的爬蟲代碼是—— import re

原创 win10下使用DuetDisplay有線/無線連接,推薦通過愛思助手(非iTunes)更新驅動

不要再用windows上的iTunes了,好久不更新,太垃圾了! 本篇對你有幫助的話,點個讚唄~ 一、先安裝好ios和PC端的DuetDisplay,PC端的 下載地址 安裝好兩方的Duet後,這時候很多人都遇到了連接不上的情況

原创 sklearn中的模型評估(分類報告classification_report,混淆矩陣confusion_matrix,準確率acc,召回率recall等)

本文適用包括決策樹在內的多個ML算法模型。 1、二分類、多分類問題的precision、recall (1)在信息檢索中,精確率通常用於評價結果的質量,而召回率用來評價結果的完整性。瞭解其概念,參考—— 《準確率(Accuracy

原创 機器學習——交叉驗證實現多進程並行

一、前言 1、衆所周知,python因爲其全局解釋器鎖GIL而無法通過線程實現真正的平行計算,所以我們不用python的多線程 2、我沒有用sklearn內置的機器學習庫(sklearn或者xgboost可能內置了一些方便的參數,

原创 使用XGboost模塊XGBClassifier、plot_importance來做特徵重要性排序——修改f1,f2等字段

如果你還不知道如何使用XGboost模塊XGBClassifier、plot_importance來做特徵重要性排序,戳這個網址即可。 下面我們講一個全網都沒好好講的問題:如何修改f1,f2成對應的特徵名稱。(我它喵了個咪的找了起

原创 python pickle序列化numpy.array等結構

使用pickle可以把變量按照原來的形式存入硬盤,不管是python自帶的list、dict…結構,還是numpy的矩陣結構,各種數據結構都可以。 import pickle import numpy as np your_da

原创 python pickle序列化

使用pickle可以把變量按照原來的形式存入硬盤,不管是python自帶的list、dict…結構,還是numpy的矩陣結構,各種數據結構都可以。 import pickle import numpy as np your_da

原创 python numpy 隨機構建類無向圖鄰接矩陣

不能保證能各個節點之間能完全走通,只是記錄一下。 import numpy as np def structMatrix(n=11, low=1, high=10, num_base=10, num_more=10):

原创 使用scikit-learn對csv數據文件構建隨機森林並可視化

1、對數據進行處理並訓練評估模型 from sklearn.model_selection import train_test_split, cross_val_score, KFold, GridSearchCV import