午后在图书馆,看完了明朝那些事儿的最后一章,作者以这么一句话介绍全书: 成功只有一个——按照自己的方式，去度过人生。瞬间热泪盈眶.

基于概率论的分类方法: 朴素贝叶斯

naive bayes是基于贝叶斯定理与特征条件独立假设的分类方法.对于给定的训练数据集,首先基于特征条件假设学习输入/输出的联合概率分布:然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y.naive bayes法实现简单,学习与预测的效率都很高,是一种常用的方法

决策树(decision tree)

决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程,它可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布.

Maching learning in action，KNN(k-nearest neighbor)算法笔记

KNN算法概述

存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系．输入没有标签的数据后，将新数据的每个特征值与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似的数据，这就是KNN算法Ｋ的出处．

总结学习＜python数据分析与挖掘实战＞碰到的一些问题，这些问题主要是书中的不足之处或程序的bug.

前言在使用RYU控制器的Rest api时,在命令行中输入curl xxxxxxx将返回一行json数据,这样的数据可读性很差.于是,出现了chrome, firefox的rest api插件,但这需要打开浏览器,对于我这样”All in terminal” 的猿类,简直是种折磨,于是写了个python脚本,将curl获取的数据通过管道导向python脚本,进而格式化输出. 实现fileinput ...

前言想把python替代shell脚本,避免不了的问题是,在命令行中结合python脚本使用重定向,管道作为输入. 方案python内置fileinput模块可以解决这个问题,如下脚本:123456#!/usr/bin/env python3import fileinputwith fileinput.input() as f_input: for line in f_input: ...