为什么要用numpyPython中提供了list容器，可以当作数组使用。但列表中的元素可以是任何对象，因此列表中保存的是对象的指针，这样一来，为了保存一个简单的列表[1,2,3]。就需要三个指针和三个整数对象。对于数值运算来说，这种结构显然不够高效。Python虽然也提供了array模块，但其只支持一维数组，不支持多维数组，也没有各种运算函数。因而不适合数值运算。NumPy的出现弥补了这些不足。（——摘自张若愚的《Python科学计算》）import numpy as&nbs
元组(tuple)： 元组常用小括号表示，即：()，元素加逗号，是元组的标识。#定义一个元组
#tuple = 'a',
tuple = ('a','b','c','d','e','f','g')
#常规来说，定义了一个元组之后就无法再添加或修改元组的元素，但对元组切片可以添加会修改元组的元素。
prin
升级到python3的同学应该会注意到以前经常用的xrange没了！是的，python3的range就是xrange。直接看效果！其实类似的改动是有很多的，例如：字典的items.>>> print(sys.version)
2.7.13 (v2.7.13:a06454b1afa1, Dec 17 2016, 20:53:40) [MSC v.1500 64 bit
机器学习算法与Python实践之（一）k近邻（KNN）zouxy09@qq.comhttp://blog.csdn.net/zouxy09 机器学习算法与Python实践这个系列主要是参考《机器学习实战》这本书。因为自己想学习Python，然后也想对一些机器学习算法加深下了解，所以就想通过Python来实现几个比较常用的机器学习算法。恰好遇见这本同样定位的书籍，所以就参考这本书的过程来学习了。 一、kNN算法分析
1.原理概述 K-近邻算法（KNN）概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。 KNN是通过测量不同特征值之间的距离进行分类。它的的思
kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。简单的分类就是待分类的数据与哪条已分类的数据相同，那么它们就属于同一个类别，但是现实中多数数据不可能完全相同，如果用这种方法，就可能导致待分类的数据找不到已经分类的相同的数据。 kNN算法从已经分类的数据中找到距离最接近的K个记录，然后取所占分类最多的那个类别。 实现的算法步骤：读取数据文件[1]，这里面包含测试集和训练集数据归一，主要是为了使每个属性对结果的影响相同从数据文
一、KNN算法概述：1.KNN算法的工作原理是：（1）存在一个训练样本集，并且知道样本集中每一数据与所属分类的对应关系，即每个数据都存在分类标签。 （2）若此时输入不带标签的新数据之后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后用算法提取出样本集中特征最相似数据的分类标签。 （3）最后，选择K个（可根据实际情况自由选择不大于20的整数）最相似数据中出现次数最多的分类，作为新数据的分类。2.KNN算法优缺点：（1）优点：精度高、对异常值不敏感、无数据输入假定。&n
python编辑器pycharm的使用方法，为大家讲解了如何新建项目，并写了一个简单的hello world示例给大家参考，感兴趣的同学参考下。作为PyCharm编辑器的起步，我们理所当然的先写一个Hello word，并运行它。1，新建一个项目File --> New Project...2，新建一个文件右键单击刚建好的helloWord项目，选择New --> Python File3，输入文件名输入文件名，没什么好说的4，进入编写界面PyCharm的默认编辑界面很怪，会自动生成
搭建环境1、win10_X64，其他Win版本也可以。2、PyCharm版本：Professional-2016.2.3。搭建准备1、到PyCharm官网下载PyCharm安装包。2、选择Windows系统的专业版下载。安装软件1、双击安装包进行安装。2、自定义软件安装路径(建议路径中不要中文字符)。3、创建桌面快捷方式并关联*.py文件。4、选择开始菜单文件夹(默认即可)，点击安装。5、耐心等待安装。6、安装完成，勾选立即运行PyCharm。7、选择是否导入开发环境配置文件，我们选择不导入。8
在前几篇文章中（[搜房网房产数据采集程序demo--GeckoWebBrowser实例] ）都有提到一个解析html的C#类库HtmlAgilityPack，今天终于有时间整理一下，并把Demo分享一下。HtmlAgilityPack是一个基于.Net的、第三方免费开源的微型类库，主要用于在服务器端解析html文档（在B/S结构的程序中客户端可以用Javascript、jquery解析html）。截止到本文发表时，HtmlAgilityPack的最新版本为 1.4.6。下载地