1. 引言作为一只土木狗，从进入大学的那一天起就开始和各种各样的规范打交道，不管是混凝土、钢结构、砌体结构规范，还是抗震、基础、荷载、高层规范，可以这么说，整个大学基本就是在学各个规范的原理性知识。工作以后，但凡是从事规划、设计、施工等工作更是离不开这些规范。今天给大家带来一个案例，用python爬取建标库网站的规范信息，并保存到本地，下面跟随我一起来实践吧。2. 分析页面进入建标库网站，我们找到

目录引言一、逻辑回归算法的原理1.1 预测函数1.2 损失函数（代价函数）二、案例实现2.1 梯度下降法实现线性逻辑回归2.2 sklearn实现线性逻辑回归引言逻辑回归算法的名字里虽然带有“回归”二字，但实际上逻辑回归算法是用来解决分类问题的算法。线性回归和逻辑回归相当于一对“孪生兄弟”，本文将从二分类入手，介绍逻辑回归算法的预测函数、损失函数（代价函数）和梯度下降算法公式，小伙伴们可以不断联想

目录引言线性回归介绍手动实现梯度下降法线性回归调用API接口实现线性回归引言线性回归可能是我们接触最早的机器学习算法了，在高中数学的课本上，我们第一次正式认识这位朋友，通过最小二乘法来得到数据的线性回归方程，进而求得模型的参数。但其实，在初中时，我们就学过通过两个已知点坐标求解一次函数的技能，这也算是线性回归模型的一种特例吧。今天来给大家介绍另一种求解线性回归模型的方法——梯度下降法。线性回归介绍

目录第一题第二题第三题第四题1.不改变原来数组2.改变原来数组第五题第六题第七题第八题第九题第十题第十一题第一题查看Numpy的版本号代码import numpy as npprint(np.__version__)运行结果第二题如何创建一个所有值都是False的布尔类型的数组代码import numpy as nparr1 = np.full((3, 4), False)print(arr1)p

自从上次发过一篇爬取建标库规范信息的文章后，后台有很多小伙伴留言问我，爬信息太简单了，他想要的是规范正文内容，能不能爬呢。最近刚好闲下来，抽空看了一下，爬正文似乎不是那么简单，不过你大爷还是你大爷，方法总比问题多，今天就给大家带来爬取建标库规范全文到本地word，通过selenium+python-docx+tesseract实现。

目录一、KNN介绍K-近邻(K-Nearest Neighboor)算法定义理解K近邻总结KNN⼯作流程二、案例实现作为机器学习中最基础的算法，KNN在简单分类问题上有其独特的优势，其理念类似于中国的成语“近朱者赤，近墨者黑”，这种将特征数字转化为空间距离判断的方法也是我们认识机器学习世界的第一步。一、KNN介绍K-近邻(K-Nearest Neighboor)算法定义如果⼀个样本在特征空间中的k