有点意思嘿-CSDN博客

原创 pillow生成企业营业执照

本次项目呢其实也就是为了完成学校的实训项目，但我觉得好不错，所以分享出来。那就废话不多说，直接上。第一步爬虫：企查查电脑端，公司的网址信息企查查电脑端需要用户登录后才能爬取信息，因此事先需要注册账号，使用selenium方法模拟登录import timeimport pandas as pdfrom selenium import webdriverfrom selenium.webdriver import ActionChainsa = []def login(driver)

2021-10-20 16:32:42 1939 1

原创斑马线预测-深度学习

这次我用的是卷积神经网络，来实现斑马线的预测#导入库函数import tensorflow as tfimport matplotlib.pyplot as pltimport cv2 as cvimport pandas as pdimport numpy as npimport osimport shutilfrom tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Densefrom tensorfl

2021-07-14 10:26:16 524

原创情感语义分析-自然语言处理

情感语义分析在生活中真是太常见不过了，不管跟一个人相处，还是在网上购物，以及其它种种，都涉及了语义的多样性，可见是中国文化博大精深。这次，我做的是一个购物评论的语义分析，就是所谓的好评或者差评。# 读入原始数据集import pandas as pddf_pos = pd.read_excel("D:/自然语言技术/购物评论.xlsx", sheet_name = "正向", header=None)df_pos['y'] = 1df_neg = pd.read_excel("D:/自然语言技

2021-07-14 09:58:55 1331 2

原创 neo4j-python案例王者人物关系

neo4j是我们实训才接触到的，作为一个初学者，在初步了解过后总想着去摸索其它的玩儿意，想着自己太喜欢玩王者荣耀了，就根据王者的阵营，用neo4j自己做了个图。首先要用python连接neo4j的数据库from py2neo import Node,Graph,Relationship,NodeMatchertest2= Graph('http://localhost:7474',username='neo4j',password='neo4j')创建节点test_node_1 = N

2021-07-12 20:10:33 808

原创机器学习-人脸识别

人脸识别在现在高科技的社会中，随处可见，作为一个初学者小白，根据老师上课的内容，完善了一个小型的人脸识别案例import cv2import osimport numpy as npCASE_PATH="C:\\Users\Administrator\Anaconda3\Lib\site-packages\cv2\data\haarcascade_frontalface_default.xml"RAM_IMAGE_DIR ='./me/' DATASET_DIR='./ima...

2021-07-12 13:53:18 1713 3

原创机器学习-分类模型（鸢尾花案例）

众所周知，鸢尾花根据 '花瓣长度','花瓣宽度','花萼长度','花萼宽度'，分为三类，在数据集中分别用0,1,2来表示类别本次就是通过对鸢尾花特征进行训练来判断出为哪一类，用到了分类算法的4个模型一导入库函数和数据集，该数据已经分好了训练集和测试集，直接导入import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdata_train = pd.read_csv('./iris_training.csv'

2021-05-25 19:14:43 5263

原创数据可视化分析-鸢尾花

相信鸢尾花案例是每个初学者都会遇到的，在数据挖掘，深度学习，机器学习都会遇到，今天我们来看一看数据可视化分析中的鸢尾花。本次我用的是pycharm软件，包含Echarts和d3，由于是html代码,在<head>标签中需要引入<script src="echarts.min.js"></script><script src="d3.min.js"></script>然后在代码块中对echarts初始化// 基于准备好的dom，

2021-05-25 18:43:09 1725

原创自然语言技术-文本分类模型

这是我上课学到的，算是完成度比较高，所以想分享出来这是自然语言技术的文本分类，我用的是斗罗大陆的语料，用了jieba进行分词，使用了贝叶斯模型进行拟合import jiebaimport pandas as pdimport numpy as np#导入数据raw = pd.read_table('E:\\斗罗大陆.txt',names=['txt'])print(len(raw))raw#章节判断用变量预处理def m_head(tmpstr): return

2021-05-18 22:04:46 276

原创深度学习-fashion_mnist预测

一、导入库函数，加载fashion_mnist数据集import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt%matplotlib inline(x_train,y_train),(x_test,y_test) = tf.keras.datasets.fashion_mnist.load_data()二、数据探索plt.matshow(x_train[320])#任意特征数mnist = ['

2021-05-18 21:45:47 670

原创数据挖掘-电影推荐系统

一。首先导入数据集import numpy as npimport pandas as pddata_model = pd.read_csv("E://duanyin_model.csv")data_model=data_model.drop(['Unnamed: 0','profit'], axis=1)data_model.head()该数据集是我自己处理过的。二。通过info来查看数据data_model.info()三。对数据中的电影类型kind进行处理，进

2021-05-17 21:53:59 1629 6