15
2019/03
引言面向对象是一种十分成熟的软件开发方法，他通过抽象问题，分解关键问题域来解决问题，其基本思想是“万物皆对象”面向对象程序设计可以看作一种在程序中包含各种独立而又互相调用的对象的思想，面向对象程序设计
#技术帖
#python
#python核心编程
#类
龙潭书斋 -- 386
04
2019/03
引言上一篇日志中，我们介绍了 python 的模块，但是 python 是如何找到我们的需要的模块的呢？python 查找的路径集合就是“搜索路径”，
#技术帖
#python
#名称空间
#作用域
28
2019/02
引言当代码量非常大时，仅仅在一个文件中编写 python 代码显然是不现实的此时我们需要将我们的系统划分成多个模块，模块间相互引用和调用那些自我包含并且有组织的代码片断就是模块&n
#技术帖
#python
#module
#import
13
2019/01
概述此前我们介绍了一个最优化分类算法 -- logistic 回归Logistic 回归数学公式推导本文中，我们再来介绍另一个最优化分类算法 -- S
#算法
#机器学习
#最优化
#svm
02
2018/12
引言前面两篇文章中，我们介绍了 logistic 回归的原理和实现：Logistic 回归数学公式推导梯度上升算法与随机梯度上升算法本文，我们来看看如何使用 sklear
#读书笔记
#机器学习
#sklearn
#logistic
17
2018/11
引言上一篇日志中，我们最终推导出了计算最优系数的公式Logistic 回归数学公式推导 本文，我们就利用上一篇文章中计算出的公式来实现模型的训练和数据的分类 通过 pyt
#技术帖
#算法
#龙潭书斋
#分类
14
2018/11
引言此前的博客中，我们已经介绍了几个分类算法k 近邻算法决策树的构建算法 -- ID3 与 C4.5 算法朴素贝叶斯算法的推导与实践 本文介绍的是另一个分类算法 -- 逻
#读书笔记
#技术帖
#机器学习
#logistic
11
2018/11
引言上一篇日志中，我们主要介绍了贝叶斯算法，并提供了 python 实践：朴素贝叶斯算法的推导与实践 但运行上一篇日志中的示例，我们发现出现了下面的结果：['love',
#读书笔记
#机器学习
#sklearn
#贝叶斯
08
2018/11
概述在此前的文章中，我们介绍了用于分类的算法：k 近邻算法决策树的构建算法 -- ID3 与 C4.5 算法但是，有时我们无法非常明确地得到分类，例如当数据量非常大时，计算每个样本与预测样本之间的距离
#算法
#统计
#机器学习
#machinelearning
04
2018/11
概述之前两篇日志，我们系统性的介绍了决策树的构建算法、构建流程、展示与决策：决策树的构建算法 -- ID3 与 C4.5 算法决策树的构建、展示与决策本文，我们来介绍如何使用 sklearn
#技术帖
#算法
#数据结构
#技术分享
