sys模块简介该模块提供对解释器使用或维护的一些变量的访问，以及与解释器强烈交互的函数常用的一些方法sys.moudles#python启动时就被导入的所有模块，以及import导入的模块存放的一个字典key为模块的名称，value为模块对应的内存地址sys.path#获取指定模块搜索路径的字符串集合，返回的是一个列表，可以将写好的模块放在path的某个路径下,import时就可以正确找到(避免文件名称为python内置的关键字)#1.能不能导入一个模块就
系统 2019-09-27 17:56:40 2431
中缀表达式转后缀表达式初始化两个栈，一个放后缀表达式exp，一个放操作符ops1遇到数字，放到exp中2遇到左括号，放入ops3遇到右括号，就把ops的弹出到exp中，直到遇到左括号，这样消除一对括号4遇到操作符，比较当前的ops，和栈顶ops的优先级，如果当前的比较高，就入ops，不然，就把栈顶的弹出，直到可以入。5扫描完以后，ops还有运算符，直接放入exp。ops_rule={'+':1,'-':1,'*':2,'/':2}defmiddle_to_
系统 2019-09-27 17:56:28 2431
前言优化随机森林算法，正确率提高1%~5%（已经有90%+的正确率，再调高会导致过拟合）论文当然是参考的，毕竟出现早的算法都被人研究烂了，什么优化基本都做过。而人类最高明之处就是懂得利用前人总结的经验和制造的工具（说了这么多就是为偷懒找借口。hhhh）优化思路1.计算传统模型准确率2.计算设定树木颗数时最佳树深度，以最佳深度重新生成随机森林3.计算新生成森林中每棵树的AUC，选取AUC靠前的一定百分比的树4.通过计算各个树的数据相似度，排除相似度超过设定值
系统 2019-09-27 17:54:33 2431
ubuntu中自带了python，同时也提供了vim神级编辑器，对于python的集成工具pycharm系统并不自动安装，所以用户需要自行安装，本篇介绍ubuntu上安装pycharm编辑器；一、资源下载：地址：https://www.jetbrains.com/pycharm/download/#section=linux选择linux版本即可；社区版还是专业版因需而定；二、安装包解压编译安装：使用命令：tar-szvf加包名解压出安装包；依次切换到bi
系统 2019-09-27 17:46:06 2431
描述atan2()返回给定的X及Y坐标值的反正切值。语法以下是atan2()方法的语法:importmathmath.atan2(y,x)注意：atan2()是不能直接访问的，需要导入math模块，然后通过math静态对象调用该方法。参数x--一个数值。y--一个数值。返回值返回给定的X及Y坐标值的反正切值。实例以下展示了使用atan2()方法的实例：#!/usr/bin/pythonimportmathprint"atan2(-0.50,-0.50):"
系统 2019-09-27 17:38:02 2431
我们很少会一次性从数据库中取出所有的数据；通常都只针对一部分数据进行操作。在DjangoAPI中，我们可以使用``filter()``方法对数据进行过滤：>>>Publisher.objects.filter(name='Apress')[]filter()根据关键字参数来转换成WHERESQL语句。前面这个例子相当于这样：SELECTid,name,address,city,state_province,country,websiteFROMbooks_
系统 2019-09-27 17:37:48 2431
核心代码：#!/usr/bin/python#-*-coding:UTF-8-*-importsmtplibimportosimportcommands,timefromemail.mime.textimportMIMEText#fromemailimportMIMETextdisk_free=os.popen('df-lh')list_disk=disk_free.read()mailto_list=["2880329185@qq.com","28812
系统 2019-09-27 17:37:38 2431
公司做了个客户，需要图片生成像alibaba的效果。原来开发的系统都是用Aspjpeg进行缩小图的，现在需要处理图片，当然又想到这个组件。但后来发现，用Aspjpeg进行水印的时候效果总是不理想，特别是图片效果，而文字水印不能调整透明度同样不能满足客户。技术支持：1、aspjpeg能对图片水印进行透明度调整，不能对文字水印调整，2、aspjpeg支持Binary，可以Jpeg.OpenBinary读取，可以Jpeg.sendBinary,也可Jpeg.Bi
系统 2019-08-29 23:26:54 2431
目标检测方法最初由PaulViola[Viola01]提出，并由RainerLienhart[Lienhart02]对这一方法进行了改善.首先，利用样本（大约几百幅样本图片）的harr特征进行分类器训练，得到一个级联的boosted分类器。训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本(例如人脸或汽车等)，反例样本指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小(例如，20x20)。分类器训练完以后，就可以应用于输入图像中的感兴趣区域
系统 2019-08-29 23:17:44 2431
WPF技术拼图之CommandBinding机制剖析及应用*****************************最近正在学习WPF，因此，有时间时会写一些小文章，介绍Wpf中一些比较有趣和重要的东西。学习并应用技术的过程就是一个“技术拼图”的过程，只有将各个技术碎片拼成一张完整的大图，才算是“功德圆满”。本文就是这张WPF技术全景拼图中的一小块。金旭亮2008－10－21****************
系统 2019-08-29 22:45:52 2431
