1、编辑（Editing） Ctrl + Space 基本的代码完成（类、方法、属性） Ctrl + Alt + Space 快速导入任意类 Ctrl + Shift + Enter 语句完成 Ctrl + P 参数信息（在方法中调用参数） Ctrl + Q 快速查看文档 Shift + F1 外部文档 Ctrl + 鼠标 简介 Ctrl + F1 显示错误描述或警告信息 Alt + Insert 自动生成代码 Ctrl + O 重新方法 Ctrl + Alt + T 选中 Ctrl + / 行注释 Ctrl + Shift + / 块注释...

求各位进来的老铁帮个忙。。帮我把最后自己写的那个提升算法完善一下。。测试集该怎么测试准确率？？？ 求大佬补充 from sklearn.datasets import load_iris # 用决策树作为基础模型 from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.ensemble import GradientBoostingClassifier from sklearn.ensemble import AdaBo...

下面就是相关数据，这是一个脱敏数据，经过了一定的处理，我们不需要分析情况处理相关特征。  如果需要做实验，评论留邮箱，发数据。下面是代码部分，具体每一步的作用，代码中已经进行了详细的阐述。 import pandas as pd import numpy as np from sklearn.linear_model import LogisticRegression from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split from sk...

     1：本次实验的数据集是keras自带的数据集，这个数据集第一次导入的时候，会很慢。因为需要从外网下载数据。 如果下载中遇到困难，评论留邮箱，发数据。。 只需将我传给的数据放在keras的datasets文件夹底下，就OK了。。      2：我们首先看一下数据集，这个数据集50000条。 训练集25000，测试集25000。  每一条数据都已经将单词转换为对应的数字。 我们还需要将每条数据转换为对应的one_hot编码。。 因为如果你不转, 每个样本的长度不一，将不能进行训练。。      3：我们本次用的工具是keras，因为其构建网络比较方便。最后我们还画出了训练集和验证集的...

 第一节：二叉树用list实现    from queue import Queue # 用list列表的方式实现二叉树 def createNode(data, left=None, right=None): # 创建当前节点 return [data, left, right] def is_null(btree): # 判断当前树是否是空的 return btree is None def get_Root(btree): # 一般节点获取当前自己的值 return btree[0] def get_left(btree): ...

def bubble_sort(a): # 冒泡排序 for i in range(len(a)): # 主要是判断当前这一轮过去有没有交换， # 如果有交换就将其赋值为True,如果没交换说明这一轮过去顺序都是从小到大，直接跳出循环即可。 sign = False for j in range(0, len(a)-1-i): if a[j] > a[j+1]: temp = a[j+1] a[j+1] = a[j] ...

from queue import Queue # 邻接矩阵存储 class Graph: def __init__(self, mat, unconn=0): # mat = [[*, *, *, *], [*, *, *, *], [*, *, *, *], [*, *, *, *]] vnum = len(mat) for x in mat: if len(x) != vnum: # 检查是否为方阵 raise ValueError(&quot...

这里我们讲两个例子并且用Python实现： 第一个例子：      大话设计模式中的例子，NBA球星中分为前锋，中锋，后卫，它们交流都是英语。假如中国球星姚明刚开始加入NBA，他肯定不能和队员，教练正确交流，因为他不会英文。这个时候，我们就需要给姚明请一个翻译人员，既能和姚明交流，又能和教练交流，翻译人员在这个过程中起的就是一个适配器的作用。再举个不恰当的栗子：假如你手机没电了，你会怎么办？ 废话，肯定是找充电器充电，那你为什么不把手机直接插到插排上？ 因为你的手机和插座不匹配，你需要找充电器起个桥梁作用，这个充电器就起的是适配的作用。 接下来，我们用Python实现姚明...

第一步:导入基本的模块， 并且加载数据。 import pandas as pd import numpy as np import matplotlib.pyplot as plt # index_col=0 将第0列作为行索引 train_df = pd.read_csv('data/home_price/train.csv', index_col=0) test_df = pd.read_csv('data/home_price/test.csv', index_col=0) # print(train_df.head()) # print(train_df.shape)   ...

数据来源：https://www.kaggle.com/c/bike-sharing-demand 第一步：读取数据    并对数据进行分析 import numpy as np import pandas as pd df_train = pd.read_csv('data/kaggle_bike_competition_train.csv') print(df_train.head()) print(df_train.shape) print(df_train.dtypes) # 看一下各字段类型 # 看时候有缺失值 print(df_train.isnull().sum().s...

抽象工厂概念        提供一个创建一系列相关或者相互依赖对象的接口。而无需指定它们具体的类。。 。。可能还是一头雾水。学习完下面两个案例，你就清楚了。 案例1          想像一下，我们现在要研究一款老少皆宜的游戏。 少儿登录后的游戏场景是：主人公是青蛙，喜欢吃虫子。大人登录后的游戏场景是：男巫战怪兽。 在运行时，基于用户输入，决定该创建那个游戏并运行。  游戏的创建部分由一个抽象工厂维护。 # 小孩子的模式 class Frog: # 青蛙类 可以设置名字 def __init__(self, name): self.name...

建造者模式概念      建造者模式将一个复杂对象的构造过程与其表现分离，使得同样的构建过程可以创建不同的表示。。。。哈哈，是不是难以理解？  别挠头，看下面例子一目了然。。     案例一       假设你是一个极客男。。对于电脑不喜欢官方给的标配，想自己定制一款属于自己风格的电脑。。下面我们就用建造者模式，根据我们的需求一步一步定制。。 class Computer: # 电脑类 def __init__(self, serial_number): self.serial = serial_number self.memory = ...

                                      copy()  VS deepcopy() 第一步：实验      根据上述代码可知  目前b，c都得到了a的值 。。 接着往下看      上述代码，我们给a[0]赋了100。 输出发现只有a中的值改变。。b 和c 都没改变 。。 说明b， c缺失把a中的值复制了一份，不是指复制了索引。。这句话其实有点问题  。。 接着往下看         上述代码：我们把a列表中第三个元素（列表）第一个值改变了。赋值为shawroa。。 此时输出，我们发现a ，b中的那个位置的值发生...

单例模式概念            保证一个类仅有一个实例，并提供一个访问他的全局访问点。 案例一： class Singleton(object): __instance = None def __new__(cls, *args, **kwargs): # 这里不能使用__init__，因为__init__是在instance已经生成以后才去调用的 if cls.__instance is None: cls.__instance = super(Singleton, cls).__new__(cls, *args, **k...