# 文本文件必须是utf-8无bom格式 from gensim.models.deprecated.word2vec import Word2Vec model = Word2Vec.load( './model/Word60.model') # 3个文件放在一起:Word60.model Word60.model.syn0.npy Word60.model.syn1neg.npy print("read model successful") word_list = ['了', '不

1 综合评价模型建立步骤 综合评价模式是一种对一个或多个系统进行评价的模型.一般分为如下几个步骤: 选取评价指标,指标的选取应该具有独立性和全面性. 得到m×n测量矩阵,每一行表示一个带评价系统(共m行),没一列表示一个评价指标(共n列). 对测量矩阵每个指标进行一致化处理.指标一般有极小型,居中型和区间型,一般都转化为极大型. 进行无量纲化处理.常用的方法有标准差法.极值差法.功效系数法等. 确定评价指标权重向量.是固定权值还是动态权值?动态权值的隶属函数有分段变幂函数.偏大型正态分布函数.S

python设计模式之模型-视图-控制器模式 关注点分离( Separation of Concerns, SoC)原则是软件工程相关的设计原则之一. SoC原则背后的思想是将一个应用切分成不同的部分,每个部分解决一个单独的关注点.分层设计中的层次(数据访问层.业务逻辑层和表示层等)即是关注点的例子.使用SoC原则能简化软件应用的开发和维护. 模型-视图-控制器( Model-View-Controller, MVC)模式是应用到面向对象编程的Soc原则.模式的名称来自用来切分软件应用的三个主要

背景:发现一个有趣的现象,即一些用户在每一月都仅仅访问网站一次,我们想要了解这些人数量的变化趋势. 建立数学模型:简化问题,根据瓮模型推导出公式(具体推导见<数据之魅>,有时间再补充...):n(t)=N(1-e^((-k/N)*t)),其中,t代表一个月中的第t天,N代表潜在的总的访问人数,k为根据网站日志计算的每日平均访问量,n(t)代表第t天为止,访问此网站的用户总人数. python模拟,并和分析的模型作比较: import math import random as rnd impo

Python 2.7.10,django 1.8.6 外键关联:http://www.bubuko.com/infodetail-618303.html 字段属性:http://www.cnblogs.com/lhj588/archive/2012/05/24/2516040.html 过滤条件:http://www.douban.com/note/301166150/ django模型很强大,可以通过外键实现: 1.主表查询子表 2.子表查询主表 3.主表查询主表(多对多情况) 下面举例中表A

业界用的比较广泛,多线程之间进行同步数据的方法,解决线程之间堵塞,互相不影响. server --> 生产者 client --> 消费者 在一个程序中实现又有生产者又有消费者 ,生产者不断生产,消费者不断消费,达到并行数据安全完整交互的目的. 所以会有消息队列的关键字产生,队列是典型的生产者消费者模型 例如:吃包子例子,生产慢,消费快 #!/usr/bin/env python#-*- coding:utf-8 -*- import threading, timeimport Queueim

协程:遇到IO操作就切换,但是什么时候切回去呢?怎么确定IO操作? 很多程序员可能会考虑使用"线程池"或"连接池"."线程池"旨在减少创建和销毁线程的频率,其维持一定合理数量的线程,并让空闲的线程重新承担新的执行任务."连接池"维持连接的缓存池,尽量重用已有的连接.减少创建和关闭连接的频率. 这两种技术都可以很好的降低系统开销,都被广泛应用很多大型系统,如websphere.tomcat和各种数据库等.但是,"线程池

一.IO模型介绍 本文讨论的背景是Linux环境下的network IO. 本文最重要的参考文献是Richard Stevens的"UNIX® Network Programming Volume 1, Third Edition: The Sockets Networking ", 6.2节"I/O Models ",Stevens在这节中详细说明了各种IO的特点和区别. Stevens在文章中一共比较了五种IO Model: blocking IO 阻塞IO n

在做数据处理时,需要用到不同的手法,如特征标准化,主成分分析,等等会重复用到某些参数,sklearn中提供了管道,可以一次性的解决该问题 先展示先通常的做法 import pandas as pd from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA from sklearn.linear_model import LogisticRegression df = pd.read

python/django 框架自带的 orm 无疑是django框架最拿得出手的一个亮点,orm无疑极大的方便了项目的开发,提高了开发的效率. 在实际的项目开发过程中,我们有时候需要修改模型的字段,但是稍有不慎就会开发出各种各样的bug,有时还无法进行还原. 我还曾看到过有同事直接去数据库中删除数据表,打算暴力解决的,如果你以为删除数据表最终就能解决问题的话,那就大错特错了. 使用django orm 的每一次迁移,都会在数据库中有一个数据表进行保存该模型这一次的迁移记录,下一次迁移时,orm

最近需要使用 python3 多线程处理大型数据,顺道探究了一下,python3 的线程模型的情况,下面进行简要记录: 多线程运行的优点: 使用线程可以把程序中占用时间较长的任务放到后台去处理: 用户界面可以更加吸引人,并且不阻塞界面的运行: 程序运行的速度可以更快: 充分利用CPU多核的特征进行处理: 内核线程:由操作系统内核创建和撤销: 用户线程:不需要内核支持在用户程序中实现的线程: Python3 中的多线程: _thread 提供了一些原始的api 用于写多线程程序: threadin

1.直接上干货 #!/usr/bin/python # -*- coding: utf-8 -*- import time import dlib import numpy as np class faceDiscernModel: def __init__(self): # 加载预训练人脸检测CNN模型 self.cnn_face_model = "./model/mmod_human_face_detector.dat" self.cnn_face_detector = dlib.

首先需要配置settings.py文件中的DATABASES与数据库的连接信息, DATABASES = { 'default': { 'ENGINE': 'django.db.backends.mysql', 'NAME': 'orm_intro_dem', 'USER': 'root', 'PASSWORD': 'root', 'HOST': '127.0.0.1', 'PORT': '3306', } } 之后将创建的app添加到settings.py文件中的INSTALLED_APPS中

由于前面在centos实验的过程中,pymql一直有属性错误,很难排查出问题,重新做了一个ubuntu的桌面系统同时使用pycharm开发工具作为学习开发工具,具体原因是因为在项目命名出现问题,和自己带的模块冲突,导致不能成功 一 ORM简介 对象关系映射(Object Relational Mapping,简称ORM). 简单的说,ORM是通过使用描述对象和数据库之间映射的元数据,将程序中的对象自动持久化到关系数据库中.ORM在业务逻辑层和数据库层之间充当了桥梁的作用. 通过一张图来介绍一下数

IO模型介绍 为了更好地了解IO模型,我们需要事先回顾下:同步.异步.阻塞.非阻塞 同步(synchronous) IO和异步(asynchronous) IO,阻塞(blocking) IO和非阻塞(non-blocking)IO分别是什么,到底有什么区别?这个问题其实不同的人给出的答案都可能不同,比如wiki,就认为asynchronous IO和non-blocking IO是一个东西.这其实是因为不同的人的知识背景不同,并且在讨论这个问题的时候上下文(context)也不相同.所以,为了

import numpy as np from sklearn import datasets,linear_model from sklearn.model_selection import train_test_split def load_data(): diabetes = datasets.load_diabetes() return train_test_split(diabetes.data,diabetes.target,test_size=0.25,random_state=0

一.IO模型介绍 为了更好地了解IO模型,我们需要事先回顾下: 同步:一件事情做完再做另一件事情 异步:同时做多件事情 阻塞:sleep.input.join.shutdown.get.acquire.wait accept.recv.recvfrom 非阻塞:strblocking(False) 用socket 一定会用到accept.recv.recvfrom这些方法 正常情况下accept.recv.recvfrom都是阻塞的 如果setblocking(False) 整个程序就变成一个非

生产者消费者模型:解耦,通过队列降低耦合,支持并发,生产者和消费者是两个独立的并发体,他们之间使用缓存区作为桥梁连接,生产者指望里丢数据,就可以生产下一个数据了,消费者从中拿数据,这样就不会阻塞,影响速度了,可以很好的支持文物的任务的闲忙不均匀问题.

1.线性测试 特点:每一个脚本都是完整且独立的,可以单独执行. 缺点:用例的开发与维护成本很高 2.模块化驱动测试 特点:把重复的操作独立成公共模块,提高测试用例的可维护性 示例:将搜索封装到func中,其他文件直接导入使用即可 func.py class Func(): def search(self,driver): driver.find_element_by_xpath("//input[@id='kw' and @class='s_ipt']").send_keys(&quo

python3 学习机器学习api 使用了三种集成回归模型 git: https://github.com/linyi0604/MachineLearning 代码: from sklearn.datasets import load_boston from sklearn.cross_validation import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.ensemble

1.1. 事件驱动 事件驱动属于一种编程的范式,一种编程的风格,它擅长于处理一些未知的事件,通过绑定一个事件,外界触发后激活这个事情,达到执行某些操作的目的.比如浏览器的onclick()事件 1.2. IO模型基础 在进行解释之前,首先要说明几个概念: 用户空间和内核空间 进程切换 进程的阻塞 文件描述符 缓存 I/O 用户空间与内核空间 现在操作系统都是采用虚拟存储器,那么对32位操作系统而言,它的寻址空间(虚拟存储空间)为4G(2的32次方). 操作系统的核心是内核,独立于普通的应用程序,