这到python程序是出了什么错,要怎么改?

图片说明
图片说明

5个回答

幂的形式字符串没法直接转换,需要用E科学计数法

  a = float('10E5')

代码不用改,把输入 10**5 改成科学计数法 1E5 就可以了

10**5 是 10 的 5 次方,如果这是你想要的表达式,那么你的第一行前面应该加上:

import math

有了 math 模块,你的 10**5 才不会被处理成字符串,而是表达式。

兄弟,你这代码是直接复制粘贴过来的吧,变量都没定义就敢用?

第一个问题:python中不能连着比较,比如 5< x < 8 必须分开写

第二个问题:bonus1没有定义

看下图:

图片说明

你肯定要把“利润”换成数字啊,不然怎么判断,你这个错误就是不能把“利润”转换成数字。

harkmonkey
harkmonkey 10**5是string类型的,无法转换成float类型,所以会报错。改成10*5 或者 直接用50试试
2 年多之前 回复
qq_29901455
qq_29901455 不是啊,不关利润的事。
2 年多之前 回复
Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
python程序中执行sqlite数据库表查询问题

我的python程序的头是这样写的: #!/usr/bin/python #coding: utf-8 import os import sys import xlsxwriter reload(sys) sys.setdefaultencoding('gbk') import sqlite3 我在python程序中,执行sqlite数据库的表查询操作时,报如下错误: cursor = conn.execute(sqlstrchannel) sqlite3.OperationalError: Could not decode to UTF-8 column 'proname' with text '意义'。 这应该怎么解决??

一个简单Python程序的执行顺序问题

**问题描述:想用python程序实现一个登陆验证用户名密码的效果,但是我修改前的python代码与我想象中的不太一样,修改后的python代码与我预想的执行结果(红色代码最后输出)一致,但是却不知其所以然,求大神解答** 运行环境:Windows,pycharm ## **修改前的python代码如下:** ``` user_n = "user" user_p = "123" bit = False for i in range(3): user_name = str(input("请输入账户名:")) user_password = str(input("请输入密码:")) if user_name == user_n and user_password == user_p: bit = True print("登录成功,欢迎回来") exit() else: print("用户名密码错误,请重新输入") if not bit: exit("尝试次数超过限制") ``` ## 我预想的执行结果 ![图片说明](https://img-ask.csdn.net/upload/201901/26/1548480347_659870.jpg) ## 而我实际的执行结果 ![图片说明](https://img-ask.csdn.net/upload/201901/26/1548480506_562785.jpg) ## **修改后的python代码与我的预想执行结果一致,代码如下:** ``` user_n = "user" user_p = "123" for i in range(3): user_name = str(input("请输入账户名:")) user_password = str(input("请输入密码:")) if user_name == user_n and user_password == user_p: print("登录成功,欢迎回来") exit() else: print("用户名密码错误,请重新输入") else: exit("尝试次数超过限制") ``` 

简单的python程序报错,改了半天也不知道哪里错了,请解答 谢谢

``` play = input("请输入剪刀(0)石头(1)布(2):") player = int(play) com = 1 if (player==0 and com==2) or (player==1 and com==0) or (player==2 and com==1): print("你赢了,真厉害") elif player==com: print("平局,再来一次") else (player==0 and com==1) or (player==1 and com==2) or (player==2 and com==0): print("你输了,不要走,决战到天亮") ``` 报错信息如下: File "jsb.py", line 9 else (player==0 and com==1) or (player==1 and com==2) or (player==2 and co ^ m==0): SyntaxError: invalid syntax 网上查询说是因为括号、冒号什么的,我都用英文输入法重新打了一次还是错误,希望大家解答,初学者请大家多多理解,谢谢!

python中有子程序吗?如果没有,如何在函数中优雅地修改传递进来的参数?

我以前是使用fortran的。在fortran中,函数和子程序传递参数时都使用的是传址调用,也就是调用函数或子程序都能改变传递进来的参数,只不过有个约定俗成的规矩,当需要修改传递进来的参数时,使用子程序,当参数为只读时,使用函数。 例如以下fortran代码,显示a+1后的结果,为2 ``` subroutine add(num) implicit none real :: num num=num+1 return end program main implicit none real:: a=1.0 call add(a) write(*,*) a end ``` 但在python中,函数中的变量都为局部变量,以下python代码显示结果为1,而且好像没有子程序的概念,那么如果我需要使用函数来改变传递进来的参数,除了声明为全局变量外(听说全局变量会使代码混乱),应该怎么做? ``` def add(num): num+=1 return a=1 add(a) print(a) ```

Python怎么取得C++程序内存中的数据

现在的情况是这样的。C++程序产生了一个数组,我想要把这个数组放进python中进行一些运算,然后python处理后的数据返回给C++程序继续处理?

python可以通过什么命令更改ip地址

![图片说明](https://img-ask.csdn.net/upload/201802/22/1519295412_401732.png) 本人win7系统 python3.6 32位 想通过ip代理来改变ip地址 不知道python有什么命令可以直接改 跪谢!!!

使用Python制作的进程程序如何避免因为系统休眠而被挂起

Hi Python experts , 我做了一个程序,需要每个月定期执行,但是会因为windows系统的休眠而被挂起,从而不被执行。到公司不允许修改系统设置来禁止休眠,有没有好方法可以让程序自己防止被系统休眠挂起?

Python3.7+Pyside2 运行exe文件提示“ImportError: DLL load failed: 找不到指定的程序。

# Python3.7+Pyside2 运行exe文件提示“ImportError: DLL load failed: 找不到指定的程序 1.问题描述 a.python 3.7 + pyside2 (只用pyside2,没有使用PyQt5) b.使用pyinstaller -F xxx.py 打包,生成xxx.exe c.使用cmd运行exe文件 2.报错 Traceback (most recent call last): File "PyInstaller\loader\rthooks\pyi_rth_qt5plugins.py", line 47, in <module> ModuleNotFoundError: No module named 'PyQt5' During handling of the above exception, another exception occurred: Traceback (most recent call last): File "PyInstaller\loader\rthooks\pyi_rth_qt5plugins.py", line 49, in <module> ImportError: DLL load failed: 找不到指定的程序。 [16072] Failed to execute script pyi_rth_qt5plugins 不知道为啥提示No module named 'PyQt5',在安装的lib中也只有pyside2; 多谢大神指点。 20190730,更新: 经过多次尝试和修改,发现lib库的安装的问题。代码中没有调用QT5的,在lib安装的时候,如果是使用pycharm setting中安装,安装的路径是在项目的文件夹,如果使用python的终端命令pip进行安装,安装在python的lib目录下,两个路径有时候不能完全的调用。 后来重新都是统一使用python 终端 pip命令安装,问题解决。

封装了IE浏览器的一个windows程序怎么使用python自动化?

windows 一个exe的客户端程序里面封装了一个IE浏览器,F12可以进入开发者模式。spy++能找到里面的一些菜单。虽然也可以使用IE浏览器直接登录,但是由于python+selenium开发的脚本运行速度非常慢(感觉跟电脑硬件/环境关系较大)。所以现在在想是否能直接使用python去实现在这个exe客户端程序里面自动化? exe客户端程序页面如图![图片说明](https://img-ask.csdn.net/upload/201911/26/1574781181_958582.png) :

将python程序封装成.exe可执行文件

使用python和TensorFlow框架实现了一个神经网络模型,现在想将这段代码封装成可执行文 件(读取的是训练好的模型),该如何封装?与封装普通的python代码一样吗?

这个python程序删除,修改,查询操作应该怎么写?

``` import pickle class Memo(object): def __init__(self, name, date, thing): self._id = 0 self.date = date self.name = name self.thing = thing @property def id(self): return self._id @id.setter def id(self, val): self._id = val class MemoAdmin(object): def __init__(self): self.memo_list = self.load() def add(self): # self.memo_list =>属性进行操作 memo_date_list = MemoAdmin.deal_input_data() memo = Memo(*memo_date_list) memo.id = len(self.memo_list) + 1 self.memo_list.append(memo) def del_memo(self): def modify(self): pass def query(self): @staticmethod def deal_input_data(): input_memo = input('例如:1.1-cym-逛街:').strip() input_list = input_memo.split('-') if len(input_list) == 3: return input_list def print_all(self): if len(self.memo_list) == 0: print('备忘录中没有记录,请手动添加') for memo in self.memo_list: print(memo.id, memo.date, memo.name, memo.thing) def save(self): with open('memo.pkl', 'wb') as file: file.write(pickle.dumps(self.memo_list)) return True def load(self): try: with open('db.pkl', 'rb') as file: memo_list = pickle.loads(file.read()) except Exception as e: memo_list = [] return memo_list def main(): admin = MemoAdmin() menu_list = { '1':'add', '2':'del_memo', '3':'modify', '4':'query', '5':'print_all', '6':'quit' } print(menu_list) while True: select = input('请选择:') if select == '6': admin.save() break if select in menu_list: run = getattr(admin, menu_list.get(select), None) if run: run() else: print('选项不存在') else: print('请重新输入') if __name__ == "__main__": main() ``` 这个python程序删除,修改,查询操作应该怎么写?最好有完整的代码

python 请编写程序,生成随机密码

题目: 请编写程序,生成随机密码。具体要求如下:‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬ (1)使用 random 库,采用 0x1010 作为随机数种子。‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬ (2)密码 abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890!@#$%^&* 中的字符组成。‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬ (3)每个密码长度固定为 10 个字符。‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬ (4)程序运行每次产生 10 个密码,每个密码一行。‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬ (5)每次产生的 10 个密码首字符不能一样。‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬ (6)程序运行后产生的密码保存在“随机密码.txt”文件中。 自己写的代码: ``` import random f=open('随机密码.txt','w',encoding='utf-8') random.seed(0x1010) ls='abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890' lls='' llls=[] a=[] while (len(llls)<10): password=random.sample(ls,10) for j in password: lls+=j if lls[0] in a: continue a.append(lls[0]) llls.append(lls+'\n') lls='' print(llls) f.writelines(llls) f.close() ``` 然而结果却是一直处于循环中。好像是一旦检测到首字符一样就一直陷在循环里了,不明白为什么。

Python 窗口化的简单聊天程序设计遇到的问题

服务器端 ![图片说明](https://img-ask.csdn.net/upload/201601/15/1452834060_923545.png) ![图片说明](https://img-ask.csdn.net/upload/201601/15/1452834079_312077.png) 客户端 ![图片说明](https://img-ask.csdn.net/upload/201601/15/1452834111_963728.png) 窗口化聊天程序的设计遇到了很大的问题,请大神们帮忙解答: 第一个问题: 1、ClientSock, ClientAddr = s.accept() 的插入; 2、原本也是插入一个ClientSock, ClientAddr = s.accept(); 在1和2的基础上 程序只能执行一次,接收也不能自动接收; 如果要自动接收,如何修改? 第二个问题: 在root=Tk()和root.mainloop()之间插入一个ClientSock, ClientAddr = s.accept() 窗口都弹不出来了。 现在想要弄一个窗口化的聊天程序,该怎么弄?求大神指点,谢谢。

求助:用Python编写一个单词测验小程序。

在一个指定的“wordlist.txt”文档中存储着单词文本。现要求使用Python语言读取文档内容,显示中文要求输入英文,如果正确匹配则显示“true answer”,错误则显示“wrong answer”。txt文本格式如图: ![图片说明](https://img-ask.csdn.net/upload/201904/20/1555765737_725813.png)

新手请教,python怎么定义可修改列表的函数?

8-9 魔术师:创建一个包含魔术师名字的列表,并将其传递给一个名为 show_magicians()的函数,这个函数打印列表中每个魔术师的名字。 8-10 了不起的魔术师:在你为完成练习 8-9 而编写的程序中,编写一个名为 make_great()的函数,对魔术师列表进行修改,在每个魔术师的名字中都加入字样“the Great”。调用函数 show_magicians(),确认魔术师列表确实变了。

python2.7小程序返回值的问题

这个求最大公约数的程序,返回值总是none,但第五行改为print,第六行去了print,那又能打印得数。这是为什么啊? ![图片说明](https://img-ask.csdn.net/upload/201603/04/1457098954_105548.png) ![图片说明](https://img-ask.csdn.net/upload/201603/04/1457098961_419317.png)

关于cmd运行的python代码

``` # coding=gbk c=int(input('请输入要支付的价格 ')) c=c-20 if c>=100 else c print('要支付:',c,'元',sep='') #这段代码将大于100元的商品减20元输出价格 ``` 我先是运行了一次 [图片说明](https://img-ask.csdn.net/upload/201908/27/1566880270_157971.png) 发现输出与预想不符合的结果 然后将c-=20改为c=c-20后运行 ![图片说明](https://img-ask.csdn.net/upload/201908/27/1566880532_966026.png) 结果正确 这是为什么,我刚学python,萌新求解

Python代码转成java代码

搜索博文/帖子/用户 登录 通过Spark Rest 服务监控Spark任务执行情况 转载 2017-09-07 buyaoxx 码龄3年 关注 1、Rest服务   Spark源为了方便用户对任务做监控,从1.4版本启用Rest服务,用户可以通过访问地址,得到application的运行状态。   Spark的REST API返回的信息是JSON格式的,开发者们可以很方便地通过这个API来创建可视化的Spark监控工具。目前   这个API支持正在运行的应用程序,也支持历史服务器。在请求URL都有/api/v1。比如,对于历史服务器来说,我们可以通过   http://***:18080/api/v1 来获取一些信息,端口可以改;对于正在运行的Spark应用程序,我们可以通过 https://***/api/v1   来获取一些信息。   主要用途: 通过rest服务,可以轻松对任务时长、stage等做监控,同时可以配合时间序列数据库,对集群各个任务做监控。 2、实例代码(Python)    1 #!/usr/bin/env python 2 # -*- coding: utf-8 -*- 3 ''' 4 Created by zhangy on Aug 25, 2017 5 ''' 6 import datetime 7 import json, urllib2 8 import os 9 import time 10 11 12 if __name__ == '__main__': 13 command = "yarn application -list |grep Noce |awk -F'\t' '{print $1}'" 14 val = os.popen(command).read() 15 appids = val.split("\n") 16 for pid in appids: 17 if pid.__eq__(""):continue 18 url = "http://th04-znwg-sgi620-001:18088/api/v1/applications/" + pid 19 req = urllib2.Request(url) 20 res_data = urllib2.urlopen(req) 21 res = res_data.read() 22 jo = json.loads(res) 23 dict1 = jo['attempts'][0] 24 st = dict1['startTime'] 25 GMT_FORMAT = '%Y-%m-%dT%H:%M:%S.%fGMT' 26 sti = datetime.datetime.strptime(st, GMT_FORMAT) 27 startTime = time.mktime(sti.timetuple()) + 8 * 60 * 60 28 nowTime = long(time.time()) 29 sub = nowTime - startTime 30 if sub > 4 * 60 * 60: 31 killCommand = "yarn application -kill " + pid 32 res = os.popen(killCommand ).read() 33        cc = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(float(nowTime))) 34        f = open("/home/noce1/run_noce/his/monitor/" + pid + ".txt", "a") 35        f.write(cc + " : " + "pid : " + "\n" + sub + " seconds") 36        f.write(res + "\n") 37      f.close()

求帮忙看一个python的SVM程序改主成分维度改哪里

从zouxy大神那里拷贝来的程序 # 源程序在这里 ``` from numpy import * import time import matplotlib.pyplot as plt # calulate kernel value def calcKernelValue(matrix_x, sample_x, kernelOption): kernelType = kernelOption[0] numSamples = matrix_x.shape[0] kernelValue = mat(zeros((numSamples, 1))) if kernelType == 'linear': kernelValue = matrix_x * sample_x.T elif kernelType == 'rbf': sigma = kernelOption[1] if sigma == 0: sigma = 1.0 for i in xrange(numSamples): diff = matrix_x[i, :] - sample_x kernelValue[i] = exp(diff * diff.T / (-2.0 * sigma**2)) else: raise NameError('Not support kernel type! You can use linear or rbf!') return kernelValue # calculate kernel matrix given train set and kernel type def calcKernelMatrix(train_x, kernelOption): numSamples = train_x.shape[0] kernelMatrix = mat(zeros((numSamples, numSamples))) for i in xrange(numSamples): kernelMatrix[:, i] = calcKernelValue(train_x, train_x[i, :], kernelOption) return kernelMatrix # define a struct just for storing variables and data class SVMStruct: def __init__(self, dataSet, labels, C, toler, kernelOption): self.train_x = dataSet # each row stands for a sample self.train_y = labels # corresponding label self.C = C # slack variable self.toler = toler # termination condition for iteration self.numSamples = dataSet.shape[0] # number of samples self.alphas = mat(zeros((self.numSamples, 1))) # Lagrange factors for all samples self.b = 0 self.errorCache = mat(zeros((self.numSamples, 2))) self.kernelOpt = kernelOption self.kernelMat = calcKernelMatrix(self.train_x, self.kernelOpt) # calculate the error for alpha k def calcError(svm, alpha_k): output_k = float(multiply(svm.alphas, svm.train_y).T * svm.kernelMat[:, alpha_k] + svm.b) error_k = output_k - float(svm.train_y[alpha_k]) return error_k # update the error cache for alpha k after optimize alpha k def updateError(svm, alpha_k): error = calcError(svm, alpha_k) svm.errorCache[alpha_k] = [1, error] # select alpha j which has the biggest step def selectAlpha_j(svm, alpha_i, error_i): svm.errorCache[alpha_i] = [1, error_i] # mark as valid(has been optimized) candidateAlphaList = nonzero(svm.errorCache[:, 0].A)[0] # mat.A return array maxStep = 0; alpha_j = 0; error_j = 0 # find the alpha with max iterative step if len(candidateAlphaList) > 1: for alpha_k in candidateAlphaList: if alpha_k == alpha_i: continue error_k = calcError(svm, alpha_k) if abs(error_k - error_i) > maxStep: maxStep = abs(error_k - error_i) alpha_j = alpha_k error_j = error_k # if came in this loop first time, we select alpha j randomly else: alpha_j = alpha_i while alpha_j == alpha_i: alpha_j = int(random.uniform(0, svm.numSamples)) error_j = calcError(svm, alpha_j) return alpha_j, error_j # the inner loop for optimizing alpha i and alpha j def innerLoop(svm, alpha_i): error_i = calcError(svm, alpha_i) ### check and pick up the alpha who violates the KKT condition ## satisfy KKT condition # 1) yi*f(i) >= 1 and alpha == 0 (outside the boundary) # 2) yi*f(i) == 1 and 0<alpha< C (on the boundary) # 3) yi*f(i) <= 1 and alpha == C (between the boundary) ## violate KKT condition # because y[i]*E_i = y[i]*f(i) - y[i]^2 = y[i]*f(i) - 1, so # 1) if y[i]*E_i < 0, so yi*f(i) < 1, if alpha < C, violate!(alpha = C will be correct) # 2) if y[i]*E_i > 0, so yi*f(i) > 1, if alpha > 0, violate!(alpha = 0 will be correct) # 3) if y[i]*E_i = 0, so yi*f(i) = 1, it is on the boundary, needless optimized if (svm.train_y[alpha_i] * error_i < -svm.toler) and (svm.alphas[alpha_i] < svm.C) or\ (svm.train_y[alpha_i] * error_i > svm.toler) and (svm.alphas[alpha_i] > 0): # step 1: select alpha j alpha_j, error_j = selectAlpha_j(svm, alpha_i, error_i) alpha_i_old = svm.alphas[alpha_i].copy() alpha_j_old = svm.alphas[alpha_j].copy() # step 2: calculate the boundary L and H for alpha j if svm.train_y[alpha_i] != svm.train_y[alpha_j]: L = max(0, svm.alphas[alpha_j] - svm.alphas[alpha_i]) H = min(svm.C, svm.C + svm.alphas[alpha_j] - svm.alphas[alpha_i]) else: L = max(0, svm.alphas[alpha_j] + svm.alphas[alpha_i] - svm.C) H = min(svm.C, svm.alphas[alpha_j] + svm.alphas[alpha_i]) if L == H: return 0 # step 3: calculate eta (the similarity of sample i and j) eta = 2.0 * svm.kernelMat[alpha_i, alpha_j] - svm.kernelMat[alpha_i, alpha_i] \ - svm.kernelMat[alpha_j, alpha_j] if eta >= 0: return 0 # step 4: update alpha j svm.alphas[alpha_j] -= svm.train_y[alpha_j] * (error_i - error_j) / eta # step 5: clip alpha j if svm.alphas[alpha_j] > H: svm.alphas[alpha_j] = H if svm.alphas[alpha_j] < L: svm.alphas[alpha_j] = L # step 6: if alpha j not moving enough, just return if abs(alpha_j_old - svm.alphas[alpha_j]) < 0.00001: updateError(svm, alpha_j) return 0 # step 7: update alpha i after optimizing aipha j svm.alphas[alpha_i] += svm.train_y[alpha_i] * svm.train_y[alpha_j] \ * (alpha_j_old - svm.alphas[alpha_j]) # step 8: update threshold b b1 = svm.b - error_i - svm.train_y[alpha_i] * (svm.alphas[alpha_i] - alpha_i_old) \ * svm.kernelMat[alpha_i, alpha_i] \ - svm.train_y[alpha_j] * (svm.alphas[alpha_j] - alpha_j_old) \ * svm.kernelMat[alpha_i, alpha_j] b2 = svm.b - error_j - svm.train_y[alpha_i] * (svm.alphas[alpha_i] - alpha_i_old) \ * svm.kernelMat[alpha_i, alpha_j] \ - svm.train_y[alpha_j] * (svm.alphas[alpha_j] - alpha_j_old) \ * svm.kernelMat[alpha_j, alpha_j] if (0 < svm.alphas[alpha_i]) and (svm.alphas[alpha_i] < svm.C): svm.b = b1 elif (0 < svm.alphas[alpha_j]) and (svm.alphas[alpha_j] < svm.C): svm.b = b2 else: svm.b = (b1 + b2) / 2.0 # step 9: update error cache for alpha i, j after optimize alpha i, j and b updateError(svm, alpha_j) updateError(svm, alpha_i) return 1 else: return 0 # the main training procedure def trainSVM(train_x, train_y, C, toler, maxIter, kernelOption = ('rbf', 1.0)): # calculate training time startTime = time.time() # init data struct for svm svm = SVMStruct(mat(train_x), mat(train_y), C, toler, kernelOption) # start training entireSet = True alphaPairsChanged = 0 iterCount = 0 # Iteration termination condition: # Condition 1: reach max iteration # Condition 2: no alpha changed after going through all samples, # in other words, all alpha (samples) fit KKT condition while (iterCount < maxIter) and ((alphaPairsChanged > 0) or entireSet): alphaPairsChanged = 0 # update alphas over all training examples if entireSet: for i in xrange(svm.numSamples): alphaPairsChanged += innerLoop(svm, i) print '---iter:%d entire set, alpha pairs changed:%d' % (iterCount, alphaPairsChanged) iterCount += 1 # update alphas over examples where alpha is not 0 & not C (not on boundary) else: nonBoundAlphasList = nonzero((svm.alphas.A > 0) * (svm.alphas.A < svm.C))[0] for i in nonBoundAlphasList: alphaPairsChanged += innerLoop(svm, i) print '---iter:%d non boundary, alpha pairs changed:%d' % (iterCount, alphaPairsChanged) iterCount += 1 # alternate loop over all examples and non-boundary examples if entireSet: entireSet = False elif alphaPairsChanged == 0: entireSet = True print 'Congratulations, training complete! Took %fs!' % (time.time() - startTime) return svm # testing your trained svm model given test set def testSVM(svm, test_x, test_y): test_x = mat(test_x) test_y = mat(test_y) numTestSamples = test_x.shape[0] supportVectorsIndex = nonzero(svm.alphas.A > 0)[0] supportVectors = svm.train_x[supportVectorsIndex] supportVectorLabels = svm.train_y[supportVectorsIndex] supportVectorAlphas = svm.alphas[supportVectorsIndex] matchCount = 0 for i in xrange(numTestSamples): kernelValue = calcKernelValue(supportVectors, test_x[i, :], svm.kernelOpt) predict = kernelValue.T * multiply(supportVectorLabels, supportVectorAlphas) + svm.b if sign(predict) == sign(test_y[i]): matchCount += 1 accuracy = float(matchCount) / numTestSamples return accuracy # show your trained svm model only available with 2-D data def showSVM(svm): if svm.train_x.shape[1] != 2: print "Sorry! I can not draw because the dimension of your data is not 2!" return 1 # draw all samples for i in xrange(svm.numSamples): if svm.train_y[i] == -1: plt.plot(svm.train_x[i, 0], svm.train_x[i, 1], 'or') elif svm.train_y[i] == 1: plt.plot(svm.train_x[i, 0], svm.train_x[i, 1], 'ob') # mark support vectors supportVectorsIndex = nonzero(svm.alphas.A > 0)[0] for i in supportVectorsIndex: plt.plot(svm.train_x[i, 0], svm.train_x[i, 1], 'oy') # draw the classify line w = zeros((2, 1)) for i in supportVectorsIndex: w += multiply(svm.alphas[i] * svm.train_y[i], svm.train_x[i, :].T) min_x = min(svm.train_x[:, 0])[0, 0] max_x = max(svm.train_x[:, 0])[0, 0] y_min_x = float(-svm.b - w[0] * min_x) / w[1] y_max_x = float(-svm.b - w[0] * max_x) / w[1] plt.plot([min_x, max_x], [y_min_x, y_max_x], '-g') plt.show() ``` # 测试代码在这里 ``` from numpy import * import SVM ################## test svm ##################### ## step 1: load data print ("step 1: load data...") dataSet = [] labels = [] fileIn = open('D:\Python33\SVM\testSet.txt') for line in fileIn.readlines(): lineArr = line.strip().split('\t') dataSet.append([float(lineArr[0]), float(lineArr[1])]) labels.append(float(lineArr[2])) dataSet = mat(dataSet) labels = mat(labels).T train_x = dataSet[0:81, :] train_y = labels[0:81, :] test_x = dataSet[80:101, :] test_y = labels[80:101, :] ## step 2: training... print ("step 2: training...") C = 0.6 toler = 0.001 maxIter = 50 svmClassifier = SVM.trainSVM(train_x, train_y, C, toler, maxIter, kernelOption = ('linear', 0)) ## step 3: testing print ("step 3: testing...") accuracy = SVM.testSVM(svmClassifier, test_x, test_y) ## step 4: show the result print ("step 4: show the result...") print ('The classify accuracy is: %.3f%%' % (accuracy * 100)) SVM.showSVM(svmClassifier) ``` # 测试的数据在这里 3.542485 1.977398 -1 3.018896 2.556416 -1 7.551510 -1.580030 1 2.114999 -0.004466 -1 8.127113 1.274372 1 7.108772 -0.986906 1 8.610639 2.046708 1 2.326297 0.265213 -1 3.634009 1.730537 -1 0.341367 -0.894998 -1 3.125951 0.293251 -1 2.123252 -0.783563 -1 0.887835 -2.797792 -1 .......... # 现在我想把这个二维主成分的SVM改成分类五维主成分的 就是把测试的数据改成比如 3.125951 0.293251 2.123252 -0.783563 0.887835 -1 0.887835 -2.797792 3.634009 1.730537 -2.797792 -1 但还是二分类, 请问源程序代码和测试代码应该改哪里?

Python数据挖掘简易入门

&nbsp; &nbsp; &nbsp; &nbsp; 本课程为Python数据挖掘方向的入门课程,课程主要以真实数据为基础,详细介绍数据挖掘入门的流程和使用Python实现pandas与numpy在数据挖掘方向的运用,并深入学习如何运用scikit-learn调用常用的数据挖掘算法解决数据挖掘问题,为进一步深入学习数据挖掘打下扎实的基础。

HoloLens2开发入门教程

本课程为HoloLens2开发入门教程,讲解部署开发环境,安装VS2019,Unity版本,Windows SDK,创建Unity项目,讲解如何使用MRTK,编辑器模拟手势交互,打包VS工程并编译部署应用到HoloLens上等。

2019 Python开发者日-培训

本次活动将秉承“只讲技术,拒绝空谈”的理念,邀请十余位身处一线的Python技术专家,重点围绕Web开发、自动化运维、数据分析、人工智能等技术模块,分享真实生产环境中使用Python应对IT挑战的真知灼见。此外,针对不同层次的开发者,大会还安排了深度培训实操环节,为开发者们带来更多深度实战的机会。

Only老K说-爬取妹子图片(简单入门)

安装第三方请求库 requests 被网站禁止了访问 原因是我们是Python过来的 重新给一段 可能还是存在用不了,使用网页的 编写代码 上面注意看匹配内容 User-Agent:请求对象 AppleWebKit:请求内核 Chrome浏览器 //请求网页 import requests import re //正则表达式 就是去不规则的网页里面提取有规律的信息 headers = { 'User-Agent':'存放浏览器里面的' } response = requests.get

2020_五一数学建模_C题_整理后的数据.zip

该数据是我的程序读取的数据,仅供参考,问题的解决方案:https://blog.csdn.net/qq_41228463/article/details/105993051

R语言入门基础

本课程旨在帮助学习者快速入门R语言: 课程系统详细地介绍了使用R语言进行数据处理的基本思路和方法。 课程能够帮助初学者快速入门数据处理。 课程通过大量的案例详细地介绍了如何使用R语言进行数据分析和处理 课程操作实际案例教学,通过编写代码演示R语言的基本使用方法和技巧

人才招聘系统PHP+MySQL源码

PHP 5.0及以上 + MySQL 5.0及以上 开发的人才招聘系统完全可运行源码,按照操作说明简单配置即可运行。学习PHPWEB应用的完整系统程序源码。

Java基础知识面试题(2020最新版)

文章目录Java概述何为编程什么是Javajdk1.5之后的三大版本JVM、JRE和JDK的关系什么是跨平台性?原理是什么Java语言有哪些特点什么是字节码?采用字节码的最大好处是什么什么是Java程序的主类?应用程序和小程序的主类有何不同?Java应用程序与小程序之间有那些差别?Java和C++的区别Oracle JDK 和 OpenJDK 的对比基础语法数据类型Java有哪些数据类型switc...

python可视化分析(matplotlib、seaborn、ggplot2)

python可视化分析总结(matplotlib、seaborn、ggplot)一、matplotlib库1、基本绘图命令3、图形参数设置4、特殊统计图的绘制4.1 数学函数图4.2 气泡图4.1 三维曲面图二、seaborn库1、常用统计图1.1 箱线图1.2 小提琴图1.3 点图1.4 条图与计数图1.5 分组图1.6 概率分布图2、联合图3、配对图三、ggplot库1、图层画法+常用图形2、快速绘图 一、matplotlib库 1、基本绘图命令 import matplotlib.pyplot as

Vue.js 2.0之全家桶系列视频课程

基于新的Vue.js 2.3版本, 目前新全的Vue.js教学视频,让你少走弯路,直达技术前沿! 1. 包含Vue.js全家桶(vue.js、vue-router、axios、vuex、vue-cli、webpack、ElementUI等) 2. 采用笔记+代码案例的形式讲解,通俗易懂

初级玩转Linux+Ubuntu(嵌入式开发基础课程)

课程主要面向嵌入式Linux初学者、工程师、学生 主要从一下几方面进行讲解: 1.linux学习路线、基本命令、高级命令 2.shell、vi及vim入门讲解 3.软件安装下载、NFS、Samba、FTP等服务器配置及使用

人工智能-计算机视觉实战之路(必备算法+深度学习+项目实战)

系列课程主要分为3大阶段:(1)首先掌握计算机视觉必备算法原理,结合Opencv进行学习与练手,通过实际视项目进行案例应用展示。(2)进军当下最火的深度学习进行视觉任务实战,掌握深度学习中必备算法原理与网络模型架构。(3)结合经典深度学习框架与实战项目进行实战,基于真实数据集展开业务分析与建模实战。整体风格通俗易懂,项目驱动学习与就业面试。 建议同学们按照下列顺序来进行学习:1.Python入门视频课程 2.Opencv计算机视觉实战(Python版) 3.深度学习框架-PyTorch实战/人工智能框架实战精讲:Keras项目 4.Python-深度学习-物体检测实战 5.后续实战课程按照自己喜好选择就可以

【大总结2】大学两年,写了这篇几十万字的干货总结

本文十天后设置为粉丝可见,喜欢的提前关注 不要白嫖请点赞 不要白嫖请点赞 不要白嫖请点赞 文中提到的书我都有电子版,可以评论邮箱发给你。 文中提到的书我都有电子版,可以评论邮箱发给你。 文中提到的书我都有电子版,可以评论邮箱发给你。 本篇文章应该算是Java后端开发技术栈的,但是大部分是基础知识,所以我觉得对任何方向都是有用的。 1、数据结构 数据结构是计算机存储、...

lena全身原图(非256*256版本,而是全身原图)

lena全身原图(非256*256版本,而是全身原图) lena原图很有意思,我们通常所用的256*256图片是在lena原图上截取了头部部分的256*256正方形得到的. 原图是花花公子杂志上的一个

【项目实战】 图书信息管理系统(Maven,mybatis)(第一个自己独立完成的项目)

《程序设计综合训练实践报告》 此项目为图书信息管理系统,是一个采用了mysql+mybatis框架+java编写的maven项目

图书管理系统(Java + Mysql)我的第一个完全自己做的实训项目

图书管理系统 Java + MySQL 完整实训代码,MVC三层架构组织,包含所有用到的图片资源以及数据库文件,大三上学期实训,注释很详细,按照阿里巴巴Java编程规范编写

Python入门视频精讲

Python入门视频培训课程以通俗易懂的方式讲解Python核心技术,Python基础,Python入门。适合初学者的教程,让你少走弯路! 课程内容包括:1.Python简介和安装 、2.第一个Python程序、PyCharm的使用 、3.Python基础、4.函数、5.高级特性、6.面向对象、7.模块、8.异常处理和IO操作、9.访问数据库MySQL。教学全程采用笔记+代码案例的形式讲解,通俗易懂!!!

20行代码教你用python给证件照换底色

20行代码教你用python给证件照换底色

2018年全国大学生计算机技能应用大赛决赛 大题

2018年全国大学生计算机技能应用大赛决赛大题,程序填空和程序设计(侵删)

MySQL数据库从入门到实战应用

限时福利1:购课进答疑群专享柳峰(刘运强)老师答疑服务 限时福利2:购课后添加学习助手(微信号:csdn590),按消息提示即可领取编程大礼包! 为什么说每一个程序员都应该学习MySQL? 根据《2019-2020年中国开发者调查报告》显示,超83%的开发者都在使用MySQL数据库。 使用量大同时,掌握MySQL早已是运维、DBA的必备技能,甚至部分IT开发岗位也要求对数据库使用和原理有深入的了解和掌握。 学习编程,你可能会犹豫选择 C++ 还是 Java;入门数据科学,你可能会纠结于选择 Python 还是 R;但无论如何, MySQL 都是 IT 从业人员不可或缺的技能! 【课程设计】 在本课程中,刘运强老师会结合自己十多年来对MySQL的心得体会,通过课程给你分享一条高效的MySQL入门捷径,让学员少走弯路,彻底搞懂MySQL。 本课程包含3大模块:&nbsp; 一、基础篇: 主要以最新的MySQL8.0安装为例帮助学员解决安装与配置MySQL的问题,并对MySQL8.0的新特性做一定介绍,为后续的课程展开做好环境部署。 二、SQL语言篇: 本篇主要讲解SQL语言的四大部分数据查询语言DQL,数据操纵语言DML,数据定义语言DDL,数据控制语言DCL,学会熟练对库表进行增删改查等必备技能。 三、MySQL进阶篇: 本篇可以帮助学员更加高效的管理线上的MySQL数据库;具备MySQL的日常运维能力,语句调优、备份恢复等思路。 &nbsp;

C/C++学习指南全套教程

C/C++学习的全套教程,从基本语法,基本原理,到界面开发、网络开发、Linux开发、安全算法,应用尽用。由毕业于清华大学的业内人士执课,为C/C++编程爱好者的教程。

C/C++跨平台研发从基础到高阶实战系列套餐

一 专题从基础的C语言核心到c++ 和stl完成基础强化; 二 再到数据结构,设计模式完成专业计算机技能强化; 三 通过跨平台网络编程,linux编程,qt界面编程,mfc编程,windows编程,c++与lua联合编程来完成应用强化 四 最后通过基于ffmpeg的音视频播放器,直播推流,屏幕录像,

我以为我对Mysql事务很熟,直到我遇到了阿里面试官

太惨了,面试又被吊打

专为程序员设计的数学课

<p> 限时福利限时福利,<span>15000+程序员的选择!</span> </p> <p> 购课后添加学习助手(微信号:csdn590),按提示消息领取编程大礼包!并获取讲师答疑服务! </p> <p> <br> </p> <p> 套餐中一共包含5门程序员必学的数学课程(共47讲) </p> <p> 课程1:《零基础入门微积分》 </p> <p> 课程2:《数理统计与概率论》 </p> <p> 课程3:《代码学习线性代数》 </p> <p> 课程4:《数据处理的最优化》 </p> <p> 课程5:《马尔可夫随机过程》 </p> <p> <br> </p> <p> 哪些人适合学习这门课程? </p> <p> 1)大学生,平时只学习了数学理论,并未接触如何应用数学解决编程问题; </p> <p> 2)对算法、数据结构掌握程度薄弱的人,数学可以让你更好的理解算法、数据结构原理及应用; </p> <p> 3)看不懂大牛代码设计思想的人,因为所有的程序设计底层逻辑都是数学; </p> <p> 4)想学习新技术,如:人工智能、机器学习、深度学习等,这门课程是你的必修课程; </p> <p> 5)想修炼更好的编程内功,在遇到问题时可以灵活的应用数学思维解决问题。 </p> <p> <br> </p> <p> 在这门「专为程序员设计的数学课」系列课中,我们保证你能收获到这些:<br> <br> <span> </span> </p> <p class="ql-long-24357476"> <span class="ql-author-24357476">①价值300元编程课程大礼包</span> </p> <p class="ql-long-24357476"> <span class="ql-author-24357476">②应用数学优化代码的实操方法</span> </p> <p class="ql-long-24357476"> <span class="ql-author-24357476">③数学理论在编程实战中的应用</span> </p> <p class="ql-long-24357476"> <span class="ql-author-24357476">④程序员必学的5大数学知识</span> </p> <p class="ql-long-24357476"> <span class="ql-author-24357476">⑤人工智能领域必修数学课</span> </p> <p> <br> 备注:此课程只讲程序员所需要的数学,即使你数学基础薄弱,也能听懂,只需要初中的数学知识就足矣。<br> <br> 如何听课? </p> <p> 1、登录CSDN学院 APP 在我的课程中进行学习; </p> <p> 2、登录CSDN学院官网。 </p> <p> <br> </p> <p> 购课后如何领取免费赠送的编程大礼包和加入答疑群? </p> <p> 购课后,添加助教微信:<span> csdn590</span>,按提示领取编程大礼包,或观看付费视频的第一节内容扫码进群答疑交流! </p> <p> <img src="https://img-bss.csdn.net/201912251155398753.jpg" alt=""> </p>

Eclipse archetype-catalog.xml

Eclipse Maven 创建Web 项目报错 Could not resolve archetype org.apache.maven.archetypes:maven-archetype-web

使用TensorFlow+keras快速构建图像分类模型

课程分为两条主线: 1&nbsp;从Tensorflow的基础知识开始,全面介绍Tensorflow和Keras相关内容。通过大量实战,掌握Tensorflow和Keras经常用到的各种建模方式,参数优化方法,自定义参数和模型的手段,以及对训练结果评估与分析的技巧。 2&nbsp;从机器学习基础算法开始,然后进入到图像分类领域,使用MNIST手写数据集和CIFAR10图像数据集,从简单神经网络到深度神经网络,再到卷积神经网络,最终完成复杂模型:残差网络的搭建。完成这条主线,学员将可以自如地使用机器学习的手段来达到图像分类的目的。

Python代码实现飞机大战

文章目录经典飞机大战一.游戏设定二.我方飞机三.敌方飞机四.发射子弹五.发放补给包六.主模块 经典飞机大战 源代码以及素材资料(图片,音频)可从下面的github中下载: 飞机大战源代码以及素材资料github项目地址链接 ————————————————————————————————————————————————————————— 不知道大家有没有打过飞机,喜不喜欢打飞机。当我第一次接触这个东西的时候,我的内心是被震撼到的。第一次接触打飞机的时候作者本人是身心愉悦的,因为周边的朋友都在打飞机, 每

最近面试Java后端开发的感受:如果就以平时项目经验来面试,通过估计很难,不信你来看看

在上周,我密集面试了若干位Java后端的候选人,工作经验在3到5年间。我的标准其实不复杂:第一能干活,第二Java基础要好,第三最好熟悉些分布式框架,我相信其它公司招初级开发时,应该也照着这个标准来面的。 我也知道,不少候选人能力其实不差,但面试时没准备或不会说,这样的人可能在进团队干活后确实能达到期望,但可能就无法通过面试,但面试官总是只根据面试情况来判断。 但现实情况是,大多数人可能面试前没准备,或准备方法不得当。要知道,我们平时干活更偏重于业务,不可能大量接触到算法,数据结构,底层代码这类面试必问

三个项目玩转深度学习(附1G源码)

从事大数据与人工智能开发与实践约十年,钱老师亲自见证了大数据行业的发展与人工智能的从冷到热。事实证明,计算机技术的发展,算力突破,海量数据,机器人技术等,开启了第四次工业革命的序章。深度学习图像分类一直是人工智能的经典任务,是智慧零售、安防、无人驾驶等机器视觉应用领域的核心技术之一,掌握图像分类技术是机器视觉学习的重中之重。针对现有线上学习的特点与实际需求,我们开发了人工智能案例实战系列课程。打造:以项目案例实践为驱动的课程学习方式,覆盖了智能零售,智慧交通等常见领域,通过基础学习、项目案例实践、社群答疑,三维立体的方式,打造最好的学习效果。

微信小程序开发实战之番茄时钟开发

微信小程序番茄时钟视频教程,本课程将带着各位学员开发一个小程序初级实战类项目,针对只看过官方文档而又无从下手的开发者来说,可以作为一个较好的练手项目,对于有小程序开发经验的开发者而言,可以更好加深对小程序各类组件和API 的理解,为更深层次高难度的项目做铺垫。

相关热词 c#设计思想 c#正则表达式 转换 c#form复制 c#写web c# 柱形图 c# wcf 服务库 c#应用程序管理器 c#数组如何赋值给数组 c#序列化应用目的博客园 c# 设置当前标注样式
立即提问