day-1 python打卡-输出 与转义字符#输出 输出print（），可以输出到显示器上（是个人都知道的），还可以直接输出到文件中去，这个有点意思。 fp是一个变量（理解为一个箱子，可以装任何东西），open是打开的意思，打开一个D盘中的名为text.txt的文件，将其保存到箱子fp中去。 打开模式为a+，假若该文件存在，则将输出的东西直接输出到文件中，假若该文件不存在，则直接新建一个空白的文
转载
2024-01-26 10:45:54
64阅读
步骤总结：一.构造FP 树，规则：按照支持度降序顺着根节点排下，以便于频繁项的共享二.对构造好的fp—tree 进行投影，投影过程：从底层p节点开始递归，遍历所有候选项，删除非频繁项，如定阈值为1，从、删除支持度小于1的项。 一、FP-tree的生成方法支持度对频繁项进行排序是本算法的关键。第一点，通过将支持度高的项排在前面，使得生成的FP-tree中，出现频繁的项更可能被
转载
2023-12-18 19:17:32
15阅读
FP-growth算法
1.原理相较于Apriori算法，FP-growth算法在发现频繁项集上有更快的速度。FP-growth算法将数据存储在FP树的紧凑数据结构中。与搜索树不同的是，一个元素可以在FP树中出现多次。FP树会储存项集的出现频率，每个项集以路径的方式储存在树中，并通过link连接相似元素。构建FP树需要对原始数据集扫描两遍。第一次遍历数据集会获得每个元
转载
2024-02-27 17:33:44
135阅读
我就不说FP-Tree的作用、优点什么的了,直接用例子来解释构建FP-Tree和找出所有频繁项集,第一次写博客,不对之处还请指出。
输入文件:
转载
2023-07-21 16:19:03
86阅读
1. 介绍 打开你的搜索引擎，输入一个单词或一部分，例如“我”，搜索引擎可能会去统计和“我”一块出现得多的词，然后返回给你。其实就是去找频繁项集，而且需要相当地高效，像Apriori那样的速度肯定是不行的了。 本文要介绍的是FP-growth算法，它被用于挖掘频繁项集，它把数据集存储为一个叫FP树的数据结构里，这样可以更高效地发现频繁项集或频繁项对。相比于Apriori对每个潜在
转载
2024-08-11 12:44:14
208阅读
'''
fpGrowth 算法寻找频繁项集
'''
'''
1.构造fp树节点的结构体：
/*@name 节点代表的物品名称
*@count 该节点被重复使用的次数
*@nodeLink 用来横向连接各个节点的指针
*@parent 父亲节点的指针
*@children 存放孩子节点的字典
*@inc 增加节点计数
*@disp 打印以某节点为根节点的fp树，用空格表示树里面的父子节
转载
2023-07-11 19:36:32
88阅读
# Python函数式编程指南
## 引言
函数式编程（FP）是一种编程范式，它将计算视为函数应用的连续序列。在函数式编程中，函数被视为第一类对象，它可以作为参数传递给其他函数或返回作为结果。Python提供了一些强大的工具和库，使我们可以使用函数式编程范式来编写更简洁、可维护和可复用的代码。
本文将引导你学习如何在Python中实现函数式编程。我们将按照以下流程图的步骤逐步介绍：
```
原创
2023-08-18 17:22:48
115阅读
##函数式编程 函数即对象直接赋给变量 My_sum = sum有属性和方法 __name__  
原创
2016-02-06 16:26:13
1083阅读
常见的挖掘频繁项集算法有两类，一类是Apriori算法，另一类是FP-growth。Apriori通过不断的构造候选集、筛选候选集挖掘出频繁项集，需要多次扫描原始数据，当原始数据较大时，磁盘I/O次数太多，效率比较低下。FPGrowth不同于Apriori的“试探”策略，算法只需扫描原始数据两遍
原创
2022-04-08 10:07:07
1594阅读
常见的挖掘频繁项集算法有两类，一类是Apriori算法，另一类是FP-growth。Apriori通过不断的构造候选集、筛选候选集挖掘出频繁项集，需要多次扫描原始数据，当原始数据较大时，磁盘I/O次数太多，效率比较低下。FPGrowth不同于Apriori的“试探”策略，算法只需扫描原始数据两遍，通过FP-tree数据结构对原始数据进行压缩，效率较高。
原创
2021-06-07 23:23:46
3183阅读
文章目录完整代码在文末概述数据结构项头表的建立FP Tree的建立挖掘FP tree挖掘规则算法归纳超市数据集挖掘代码 完整代码在文末概述Apriori算法需要多次扫描数据，庞大的I/O次数是很大的瓶颈，FP Tree算法（也称FP Growth算法）采用了一些技巧，无论多少数据，只需要扫描两次数据集，因此提高了算法运行的效率我先概述一下这个算法的数据结构，你只需要知道是啥就行，如果你现在一眼能
转载
2024-01-11 23:33:37
90阅读
许多python初学者，在接触到python面向对象的时候，就被类中包含的方法中的self打败了，不知道self是何物？既然写在方法中，是必须参数，为何在调用方法的时候不给它传参数还能正常运行？和我们前面学的函数传参这块矛盾么？勇哥在这里给慢慢大家揭开self的神秘面纱。首先我们看下如下代码： 改进上述代码，我们来探索下self到底是个什么东西？大家应该记得python中有一个id()
转载
2024-09-29 12:54:24
46阅读
# 干涉与Python：FP干涉的基本原理与应用
干涉现象是波动现象中的一种重要现象，常见于光学、声学和量子力学等领域。FP干涉（Fabry-Pérot干涉）基于光的波动特性，通过两个平行的反射面形成的一系列干涉条纹。本文将通过Python代码示例，带你了解FP干涉的基本原理及其实现。
## FP干涉的基本原理
FP干涉的基本原理可以简单概括为：
1. **光波的反射与透射**：当光波遇到
FP-Growth简介
FP-Growth算法是一种发现数据集中频繁模式的有效方法，它在Apriori算法的原理的基础上，采用FP（Frequent Pattern，频繁模式）树数据结构对原始数据进行压缩，大大加快了计算速度。FP-Growth算法把数据集中的事物映射到一棵FP-Tree上，再根据这棵树找到频繁项集，FP-Tree的构建过程只需要扫描两次数据集，特别是在大型数据集上具有很高的
1.将数据输出文件中 Fp=open(‘D:/text.txt’,’a+’) “a+”表示没有文件就创建，有就在文件内容的后面继续追加 Print(‘helloworld’,file=fb) fp表示输出到这个位置 Fp.close() 关闭 ①所指定
五、数据类型 1、整型（int）：整数 python2中整数类型：int long； python3中整数类型：int。 2、浮点型（float）：小数 科学计数法：e计法，取值范围大大增加，精确度降低，e计法不区分大小写。 inf：无限大。 3、布尔型（bool）：True和False。 True和False只要参与运算则为1和0. 4、字符串（str） ①单引号（’ ‘）：一般用于赋值； ②双
转载
2024-01-28 03:28:05
151阅读
很多事物的由来都是有理由的,现在看似晦涩难解的符号token,背后都是有一段历史! 1. fp()只是一种简写方式fp()是一个函数指针,所以*fp就是该指针指向的函数,所以(*fp)()就是调用该函数的方式。 也就是 (*fp)() 和 fp() 是同一个意思; ANSI C 标准规定允许程序员将上式简写成 fp(),但是要记住,这只是一种简写方式罢了!
转载
2024-05-30 14:44:11
286阅读
理论准备关联规则的基本概念 （1）关联规则介绍 关联规则(Association Rule)是数据中所蕴含的一类重要规律，对关联规则进行挖掘是数据挖掘中的一项根本性任务，甚至可以说是数据库和数据挖掘领域中所发明并被广泛研究的最为重要的模型。关联规则挖掘的目标是在数据项目中找出所有的并发关系，这种关系也称为关联。它的最经典的应用是购物篮。目的是找出顾客在商场所选购商品之间的关联。以下是一个关联规则
处理PDF和Word文档用于处理PDF的模块是PyPDF2。处理Word文档是python-docx模块，要安装python-docx，但是导入模块时是写import docx。1.从PDF提取文本import PyPDF2
pdfFileObj = open('meetingminutes.pdf','rb')
pdfReader = PyPDF2.PdfFileReader(pdfFileOb
转载
2023-08-05 00:27:00
72阅读
# 如何在Python中实现FP16（半精度浮点数）
在深度学习和科学计算中，使用更低精度的数据类型可以大幅提升计算速度和减小内存占用。FP16（半精度浮点数）是一种常用的数据格式。在这篇文章中，我将引导你理解如何在Python中处理FP16数据格式，并且给你提供一整套实现流程与代码示例。
## 流程概述
下面的表格展示了我们将要进行的步骤：
| 步骤 | 描述
原创
2024-08-28 05:15:27
315阅读
