一个简单的验证码识别
一个验证码识别实验，欢迎star。https://github.com/xiaodouhua/captcha_recognition实验用到的库主要是sklearn，建议下载anaconda即可
实验主要工作有以下几点：
批量下载验证码
验证码的处理，包括：去噪音，灰度化，二值化，切割
用svm+
...
统计学习方法6_决策树
决策树决策树（decision tree）是一种基本的分类与回归方法，这里主要讨论用于分类的决策树。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要的有点是模型具有可读性，分类速度快，学习时利用训练数据，根据损失函数最小化的原则简历决策树模型。决策树的
...
统计学习方法5_朴素贝叶斯法
朴素贝叶斯法朴素贝叶斯 (naive Bayes) 法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出Y。
朴素贝叶斯法的学习与分类基本方法
朴素贝叶斯法通过
...
统计学习方法4_K近邻法
K近邻法k近邻法（k-nearest neighbor, k-NN）是一种基本分类与回归方法。这里只讨论分类问题中的k近邻法。k近邻法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训
...
统计学习方法3_感知机
感知机感知机（perception）是一种二类分类的线性分类模型输入：实例的特征向量输出：实例的类别（+1，-1）感知机：输入空间中将实例划分为正负两类的分离超平面，属于判别模型感知机学习目的：求出将训练数据进行线性划分的分离超平面方法：导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，
...
统计学习方法2
监督学习的目的是找到一个输入输出映射（模型），使得这个模型不仅对训练数据有很好的拟合能力，对于未知数据，它也有很好的预测能力。这篇博客介绍选择和评估模型的标准。本篇博客一共有以下几个重点：训练误差与测试误差、泛化能力、过拟合。
训练误差与测试误差训练误差是模型$Y={\hat{f}}(X))$关于训
...
统计学习方法1
统计学习方法=模型+策略+方法统计学习方法之间的不同，主要来自于其模型、策略、算法的不同。确定了模型、策略和算法，统计学习方法也就确定了。
Note: 以下以监督学习为基础来进行论述。非监督学习和强化学习同样也拥有这三要素。
模型在监督学习当中，我们的目的是学习一个由输入到输出的映射，这个映射就
...
几道面试笔试题
老鼠喝药问题
问题：
有 1000 个一模一样的瓶子，其中有 999 瓶是普通的水，有一瓶是毒药。任何喝下毒药的生物都会在一星期之后死亡。现在，你只有 10 只小白鼠和一星期的时间，如何检验出哪个瓶子里有毒药？
python学习笔记
综述
应用场景:
首选是网络应用，包括网站、后台服务等等；其次是许多日常需要的小工具，包括系统管理员需要的脚本任务等等；另外就是把其他语言开发的程序再包装起来，方便使用。
优缺点：
优点：“优雅”、“明确”、“简单”、“内置电池（ batteries included）”（各种库），所以开发速度快。
缺点：运行慢，源码公开。
git与github学习
别说话，就是干。
- [x] 安装
- [x] 命令的学习
- [x] 与github关联push
- [x] git原理的学习