网络参数确定原则：①、网络节点网络输入层神经元节点数就是系统的特征因子(自变量)个数，输出层神经元节点数就是系统目标个数。隐层节点选按经验选取，一般设为输入层节点数的75%。如果输入层有7个节点，输出层1个节点，那么隐含层可暂设为5个节点，即构成一个7-5-1 BP神经网络模型。在系统训练时，实际还要对不同的隐层节点数4、5、6个分别进行比较，最后确定出最合理的网络结构。②、初始权值的确定初

环境管理管理Python版本和环境的工具。p–非常简单的交互式python版本管理工具。pyenv–简单的Python版本管理工具。Vex–可以在虚拟环境中执行命令。virtualenv–创建独立Python环境的工具。virtualenvwrapper-virtualenv的一组扩展。包管理管理包和依赖的工具。pip–Python包和依赖关系管理工具。pip-tools–保证Python包依赖关

环境管理管理Python版本和环境的工具。p–非常简单的交互式python版本管理工具。pyenv–简单的Python版本管理工具。Vex–可以在虚拟环境中执行命令。virtualenv–创建独立Python环境的工具。virtualenvwrapper-virtualenv的一组扩展。包管理管理包和依赖的工具。pip–Python包和依赖关系管理工具。pip-tools–保证Python包依赖关

这个repo 用来记录一些python技巧、书籍、学习链接等，欢迎stargithub地址python中的matplotlib是一种用于创建图表的桌面绘图包（主要是2D方面）。使用python对matplotlib库操作使得对图形的显现极为方便，下面是用的较多的一些用法。建议配合Ipython使用，如果通过cmd启动ipython，请使用ipython –pylab启动，方便绘...

分类：支持向量机（SVM）可用于找到尽可能宽的分类的边界。当两个分类不能被清楚地分开时，该算法会找到其所能找到的最佳边界。其真正的亮点在于处理特征密集的数据，比如文本或者基因组（特征数量> 100）。在这些情况下，除了仅需要适量的记忆外，支持向量机（SVM）能够比其它大多数算法更快且更少过拟合地进行分类。人工神经网络是涵盖二分类、多分类和回归问题的脑启发式学习算法。它们有无限的种类，

在处理数据时遇到NAN值的几率还是比较大的，有的时候需要对数据值是否为nan值做判断，但是如下处理时会出现一个很诡异的结果：import numpy as npnp.nan == np.nan#此时会输出为False对np.nan进行help查看，输出如下：Help on float object:class float(object)|float(x) -> floating point

1、检测指定路径下所有文件所占用内存import osdef check_memory(path, style='M'):i = 0for dirpath, dirname, filename in os.walk(path):for ii in filename:i += os.path.getsize(os.path.join(di

psycopg2 数据批量插入问题记录由于最近用到greenplum，需要进行一些数据库批量插入操作，由于其操作方式与postgresql相同，因此采用的是psycopg2（2.8.4） 做底层驱动。由于数据量较大，所以采用了批量插入操作，也就是其自带的executemany，从名字来看会给我们其真的是批量插入的错觉（搜了下，大部分搜索结果也是说批量插入使用该操作，坑~(⊙﹏⊙)），但是，实际..

1.什么是分类准确率?评价分类器性能的指标一般是分类准确率（Accuracy），其定义是：对于给定的测试数据集，分类器正确分类的样本数和总样本数之比。对于二分类问题常见的评价指标是精确率（precision）与召回率（recall）。通常以关注的类为正类，其他类为负类，分类器在测试数据集上的预测或正确或不正确，四种情况出现的总数分别记作：TP ——将正类预测为正类数（True Posit

高内聚、低耦合内聚：每个模块尽可能独立完成自己的功能，不依赖于模块外部的代码。耦合：模块与模块之间接口的复杂程度。模块之间联系越复杂耦合度越高，牵一发而动全身。目的：使得模块的“可重用性”、“移植性“大大增强。通常程序结构中各模块的内聚程度越高，模块间的耦合程度就越低。模块粒度：【函数】高内聚：尽可能类的每个成员方法只完成一件事（最大限度的聚合）低耦合：减少类内部一个成员调用另...