發(fā)簡信
IP屬地：廣東
-
用Python發(fā)定時郵件
在實際工作中，經(jīng)常有需要定時發(fā)郵件的任務(wù)。例如對某些系統(tǒng)進行掃描，并發(fā)送相應(yīng)的掃描報告等。 本文基于對Jira系統(tǒng)issues的基本掃描，并發(fā)送...
-
Python操作Jira
Jira簡介 Jira是目前比較流行的基于Java架構(gòu)的管理系統(tǒng)（Atlassian公司支持），有開源代碼，方便做二次開發(fā)（可擴展性）。Jira...
-
pyplot.plot畫出基于X vs Y的點線等。 調(diào)用： x和y是輸入的數(shù)據(jù)點，可選參數(shù)fmt是定義基本格式，如顏色、線型等的格式化字符串。**kwargs一大堆...
-
協(xié)方差和協(xié)方差矩陣
均值與方差 均值：方差：均值、方差和標準差可用于描述數(shù)據(jù)的集中趨勢和離散程度。 協(xié)方差 方差一般用來描述一維數(shù)據(jù)，而實際上我們接觸的數(shù)據(jù)集大多是...
-
用PCA簡化數(shù)據(jù)概述 優(yōu)點：降低數(shù)據(jù)的復雜性，識別最重要的多個特征 缺點：不一定需要，且可能損失有用信息 適用數(shù)據(jù)類型：數(shù)值型數(shù)據(jù) 數(shù)據(jù)維度 這是一個二維數(shù)據(jù)，...
-
Randn、normal&lognormal
numpy.random.randn(d0,d1,...,dn) Return a sample (or samples) from the “...
-
用FP-growth算法發(fā)現(xiàn)頻繁項集（二）從FP樹中挖掘頻繁項集 從FP樹中抽取頻繁項集的三個基本步驟如下： 從FP樹中獲得條件模式基 利用條件模式基，構(gòu)建一個條件FP樹 重復步驟1、2...
-
用FP-growth算法發(fā)現(xiàn)頻繁項集（一）概述 優(yōu)點：一般要快于Apriori 缺點：實現(xiàn)比較困難，在某些數(shù)據(jù)集上性能會下降 適用數(shù)據(jù)類型：標稱型數(shù)據(jù) FP-growth算法將數(shù)據(jù)存儲在...
-
使用Apriori算法進行關(guān)聯(lián)分析（二）從頻繁項集中挖掘關(guān)聯(lián)規(guī)則 頻繁項集有其量化定義，即它滿足最小支持度要求。對于關(guān)聯(lián)規(guī)則，也有類似的量化方法，這種量化指標稱為可信度。一條規(guī)則P -...