通过本系列的教程学习，可以学习到Django的mvc架构，models、views、templates、forms、session等的相关入门知识，学完本系列之后对django的入门知识有了比较深入的学习，为今后django的进阶学习打下基础，这系列课程之后，会开设另外一系列进阶课程和实战课程
2022-12-05 17:05:39
3.32MB
1
Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第一周所有jupyter notebook文件(包括实验室练习文件)
2022-12-03 16:27:03
3.47MB
1
Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第二周所有jupyter notebook文件(包括实验室练习文件)
2022-12-03 16:27:02
1.88MB
1
Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第三周所有jupyter notebook文件(包括实验室练习文件)
2022-12-03 16:27:02
4.66MB
1
《python-编程从入门到实践》(第二版）相比 第一版，进行了很多修改，内容更详实，结构更合理。这是我整理的本书学习笔记，供python爱好者学习、参考。
2022-12-03 14:13:11
52KB
1
Python 3.x是该语言的当前和未来版本，它具有许多在2.x中没有的有用且重要的特性，例如更好的并发控制和更高效的解释器。除了内置的库外，Python还有大
2022-11-29 21:00:23
69KB
1
Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。而且算法已经被广泛的应用到商业、网络安全等各个领域。
该算法的基本思想 是:首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。
2022-11-16 20:23:55
2KB
1
通过学习斯坦福公开课的线性规划和梯度下降，参考他人代码自己做了测试，写了个类以后有时间再去扩展，代码注释以后再加，作业好多：
import numpy as np
import matplotlib.pyplot as plt
import random
class dataMinning:
datasets = []
labelsets = []
addressD = '' #Data folder
addressL = '' #Label folder
npDatasets = np.zeros(1)
npLabelsets = np.zeros(1)
cos
2022-11-11 15:42:15
114KB
1