MonteCarlo-method

Posted on 2017-01-28 | In study notes | Visitors:

“当时我立刻想到了一样东西：你听说过’蒙特卡洛法’吗？哦，那是一种计算不规则图形面积的计算机程序算法，具体做法是在软件中用大量的小球随机击打那块不规则图形，被击中的地方不再重复打击，这样，达到一定的数量后，图形的所有部分就会都被击中一次，这时统计图形区域内小球的数量，就得到了图形的面积，当然，球越小结果越精确。

这种方法虽然简单，却展示了数学中的一种用随机的蛮力对抗精确逻辑的思想方法，一种用数量得到质量的计算思想。这就是我解决三体问题的策略。”

Ajax

Posted on 2017-01-26 | In study notes | Visitors:

Ajax 的主要优势就是对页面的请求以异步的方式发送到服务器。而服务器不会用整个页面来响应请求，它会在后台处理请求，与此同时用户还能继续浏览页面并与页面交互。
你的脚本则可以按需加载和创建页面，而不会打断用户的浏览体验。

JsGallery-basis-3

Posted on 2017-01-26 | In study notes | Visitors:

将结构与行为彻底分开

先编写一个函数 preparePlaceholder 并把它放进 showPic.js 中，然后在文档加载时调用这个函数。这个函数要完成以下任务：

创建一个 img 元素节点；
设置这个节点的 id属性、src 属性、alt 属性；
创建一个 p元素节点；
设置这个节点的 id 属性；
创建一个文本节点；
把这个文本节点追加到 p 元素上；
把 p 元素和 img 元素插入到 gallery.html 中。

JsGallery-basis-2

Posted on 2017-01-25 | In study notes | Visitors:

动态创建标记。
示例文档：

<!DOCTYPE html>
<html lang="en">
<head>
	<meta charset="utf-8" />
	<title>Test</title>
</head>
<body>
	<script>
		document.write("<p>This is inserted.</p>");
	</script>
	<div id="testdiv">	
	</div>
</body>
</html>

DecisionTree

Posted on 2017-01-25 | In study notes | Visitors:

数据描述

使用泰坦尼克号乘客信息数据，预测其生还情况

# 导入 pandas 用于数据分析
import pandas as pd
# 利用 pandas 的 read_csv 模块直接从互联网收集泰坦尼克号乘客数据
titanic = pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')
# 观察前几行数据，可以发现，数据种类各异，数值型、类别型，甚至还有缺失数据
titanic.head()

KNeighbors

Posted on 2017-01-24 | In study notes | Visitors:

KNN对生物物种进行分类

数据描述

使用 Iris 数据集。
获取数据：

# 从 sklearn.datasets 里导入 iris 数据加载器
from sklearn.datasets import load_iris
# 使用加载器读取数据并存入变量 iris
iris = load_iris()
# 查验数据规模
iris.data.shape
# 查看数据说明
print iris.DESCR

JsGallery-basis-1

Posted on 2017-01-23 | In study notes | Visitors:

示例代码在这里

DOM

一份文档就是一棵节点树。每个节点都是一个对象

节点分类：

元素节点 element node
文本节点 text node
属性节点 attribute node

Naive_Bayes

Posted on 2017-01-22 | In study notes | Visitors:

数据描述

Naive Bayes 广泛用于文本分类任务，包括互联网新闻的分类，垃圾邮件的筛选。本文使用经典的20类新闻文本作为实验数据。
获取数据：

# 从 sklearn.datasets 里导入新闻数据抓取器 fetch_20newsgroups
from sklearn.datasets import fetch_20newsgroups
# 与之前预存的数据不同，fetch_20newsgroups 需要即时从互联网下载数据
news = fetch_20newsgroups(subset='all')
# 查验数据规模和细节
print len(news.data)
print news.data[0]

SVC

Posted on 2017-01-22 | In study notes | Visitors:

手写体数字图像识别

数据描述

Scikit-learn内部集成的手写体数字图片数据集
提取数据：

# 从 sklearn.datasets 里导入手写体熟悉加载器
from sklearn.datasets import load_digits
# 从通过数据加载器获得手写数字的数码图像数据并储存在 digits 变量中
digits = load_digits()
# 检视数据规模和特征维度
digits.data.shape   # 输出：（1797L,64L）

linear_classifier

Posted on 2017-01-22 | In study notes | Visitors:

良/恶性乳腺癌肿瘤预测

数据描述

数据下载地址：良/恶性乳腺癌肿瘤预测任务的原始数据

原始数据共有699条样本，每条样本有11列不同的数值：
1列用于检索的id，9列与肿瘤相关的医学特征，以及一列表征肿瘤特征的数值；
所有9列数值均被量化为1~10之间的数字；
肿瘤的类型也由数字2和4分别代表良性和恶性；
这份数据其中包含16个缺失值，用“？”表示。