Ya_young-CSDN博客

原创 linux基本命令--tar

tar是linux中用于压缩与解压缩文件的命令，常见的能够解压的文件有以下几种：*.tar, *.tar.gz; *.gz; *tgz; *.zip; *.rar; *.bz2; *.tar.bz2; *.Z; *.tar.Z.tar在使用时需要带以下参数的某几种：必须要的参数：-f: 使用文件的名字，这是tar命令的最后一个参数，后面直接接文件名。五选一的参数

2014-12-09 16:36:05 575

转载 Django中的用户认证

写的很全面，收藏一下。=============================Django中的用户认证 =============================:作者: 马踏飞燕:联系: [email protected]:版本: 0.9:主页: http://honeyday.org:版权: FDL.. cont

2014-06-08 15:44:17 730

原创 Djangoz中文乱码的问题

需要更改的文件：

2014-06-08 15:25:28 784

转载 List 交集、并集、差集运算

有时候，为了需求，需要统计两个 list 之间的交集，并集，差集。查询了一些资料，现在总结在下面:1. 获取两个list 的交集程序代码#方法一:a=[2,3,4,5]b=[2,5,8]tmp = [val for val in a if val in b]print tmp#[2, 5]#方法二print list(set(a

2014-05-21 09:52:59 978

原创 Python字符串匹配的简单应用

在《Python 基础教程》中，作者在讲解re之前和我们来了个美式幽默：有些人面临一个问题时会想："我知道，可以使用正则表达式来解决这个问题。”于是现在他们就有两个问题了。简单的一句玩笑话，却道出正则表达式是一个不容易的问题。这里，我浅析一下正则表达式的一个简单应用，希望能够起到抛砖引玉的作用。在正则表达式中，一个比较常用的方法就是re.search(pattern, string, flag

2014-03-06 10:40:10 1518

原创 Python 中调用命令行命令

今天在使用python时，发现需要直接调用系统中已经安装好的程序，查了一些资料，在这里稍微做一点总结与大家分享，如有不合适的地方，请大家批评指正。在python中，我们常常需要调用外部程序，在python的文档中，对各种调用方式做了说明，主要有以下几种： os.system os.spawn* os.popen*

2014-03-03 19:47:13 1852

转载 vim配置文件

vim本来就是很强大，很方便的编辑器，加上我的代码后肯定会如虎添翼，或许读者使用其他编程语言，可以根据自己的需要进行修改，配置文件里面已经加上注释。读者感兴趣的话直接复制下面的代码到文本文件，然后把文件改名为“ .vimrc” (不要忘记前面的“.”)，然后把文件放到用户文件夹的根目录下面即可。重新打开vim即可看到效果。为方便管理，源码托管到了github，后期增加了好多新功能，具体

2014-02-26 09:00:46 1014

转载 Windows下安装Django及WEB服务启动

Windows下安装Django及WEB服务启动如果使用的是 Linux 或 Mac OS X ，系统可能已经预装了 Python 。在命令提示符下 (或 OS X 的终端中) 输入python ，如果出现python编辑环境，说明 Python 已经装好了：在命令行窗口中输入python （或是在OS X的程序/工具/终端中）。即使Linux系统下未默认

2013-11-24 12:00:28 2301

转载分类算法之朴素贝叶斯分类(Naive Bayesian classification)

原文：http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html0、写在前面的话我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。一直想

2013-09-06 10:50:07 1090

Machine learning in action 机器学习实践

本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。（摘自豆瓣）

2014-04-01