android 在运行时请求权限

参考 https://developer.android.google.cn/training/permissions/requesting.html?hl=zh-cn

 // Here, thisActivity is the current activity
        if (ContextCompat.checkSelfPermission(this, Manifest.permission.READ_EXTERNAL_STORAGE)!=PackageManager.PERMISSION_GRANTED) {
            // Should we show an explanation?
            if (ActivityCompat.shouldShowRequestPermissionRationale(this,
                    Manifest.permission.READ_EXTERNAL_STORAGE)) {
                // Show an expanation to the user *asynchronously* -- don't block
                // this thread waiting for the user's response! After the user
                // sees the explanation, try again to request the permission.

            } else {

                // No explanation needed, we can request the permission.

                ActivityCompat.requestPermissions(this,
                        new String[]{Manifest.permission.READ_EXTERNAL_STORAGE},
                        0);

                // MY_PERMISSIONS_REQUEST_READ_CONTACTS is an
                // app-defined int constant. The callback method gets the
                // result of the request.
            }
        }

此处是获取读取sd卡内容的权限

python dataframe中元素替换

zip()可以将多个一维向量组合成元组列表

import numpy as np
a=[1,2,3]
b=[2,3,4]
z = zip(a,b)
print(list(z))
#输出  [(1, 2), (2, 3), (3, 4)]

于是当我们有一个dataframe

可以先利用zip创建一个dict

a=[1,2,3]
b=[2,3,4]
z = dict(zip(a,b))

再用过replace实现把1,2,3分别替换成,2,3,4

df.replace(z)

在现有多个共享键值表格的时候这样操作比较方便。

minist数据训练实例

首先加载必要模块和数据

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

设置一些常量

INPUT_NODE = 784 #输入层的节点数。对于MNIST数据集,这个就等于图片的像素。
OUTPUT_NODE = 10 #输出层的节点数。这个等于类别的数目。因为在MNIST数据集中需要区分的事0-9,所以这里输出层的节点数为10。
LAYER1_NODE = 500 #只有一个带有500个节点的隐藏层
BATCH_SIZE = 100  #定义batch的大小
LEARNING_RATE_BASE = 0.8  #基础的学习率


LEARNING_RATE_DECAY = 0.99  #学习率的衰减率
REGULARIZATION_RATE = 0.0001 #描述模型复杂度的正则化项在损失函数中的系数
TRAINING_STEPS = 30000   #训练轮数
MOVING_AVERAGE_DECAY = 0.99  #滑动平均距离

一个辅助训练的函数

def inference(input_tensor,avg_class,reuse = False):
    #当没有提供滑动平均类时,直接使用参数当前的取值
    #这里实际含义是: avg_class == None 时,是训练时的前向传播过程,else时是为了在测试时计算准确里用的
    #在复用之前训练的好的模型时,可以直接使reuse为True
    if avg_class == None:
        with tf.variable_scope('layer1',reuse = reuse):
            weights = tf.get_variable(name = 'weights',\
                                     initializer = tf.truncated_normal(stddev=0.1,shape = [INPUT_NODE,LAYER1_NODE]))
            biases = tf.get_variable(name = 'biases',shape=[LAYER1_NODE],\
                                    initializer = tf.constant_initializer(0.0))
            layer1 = tf.nn.relu(tf.matmul(input_tensor,weights)+biases)
        with tf.variable_scope('layer2',reuse = reuse):
            weights = tf.get_variable(name = 'weights',\
                                     initializer = tf.truncated_normal(stddev=0.1,shape = [LAYER1_NODE,OUTPUT_NODE]))
            biases = tf.get_variable(name = 'biases',shape=[OUTPUT_NODE],\
                                    initializer = tf.constant_initializer(0.0))
            return tf.matmul(layer1,weights)+biases
    else:
        with tf.variable_scope('layer1',reuse = reuse):
            weights = tf.get_variable(name = 'weights',\
                                     initializer = tf.truncated_normal(stddev=0.1,shape = [INPUT_NODE,LAYER1_NODE]))
            biases = tf.get_variable(name = 'biases',shape=[LAYER1_NODE],\
                                     initializer = tf.constant_initializer(0.0))
            layer1 = tf.nn.relu(tf.matmul(input_tensor,avg_class.average(weights))+avg_class.average(biases))
        with tf.variable_scope('layer2',reuse = reuse):
            weights = tf.get_variable(name = 'weights',\
                                     initializer = tf.truncated_normal(stddev=0.1,shape = [LAYER1_NODE,OUTPUT_NODE]))
            biases = tf.get_variable(name = 'biases',shape=[OUTPUT_NODE],\
                                     initializer = tf.constant_initializer(0.0))
            return tf.matmul(layer1,avg_class.average(weights))+biases

定义训练过程

def train(mnist):
    x = tf.placeholder(tf.float32,[None,INPUT_NODE],name='x-input')
    y_ = tf.placeholder(tf.float32,[None,OUTPUT_NODE],name='y-input')
    #truncated_normal生成正太分布值
    #隐藏层参数
    #weights1 = tf.Variable(tf.truncated_normal([INPUT_NODE,LAYER1_NODE],stddev=0.1))
    #biases1 = tf.Variable(tf.constant(0.1,shape=[LAYER1_NODE]))
    #输出层参数
    #weights2 = tf.Variable(tf.truncated_normal([LAYER1_NODE,OUTPUT_NODE],stddev=0.1))
    #biases2 = tf.Variable(tf.constant(0.1,shape=[OUTPUT_NODE]))

    #计算未使用滑动平均一次前向传播结果
    y = inference(x,None)
    #定义当前步数,移动平均时会用到,自动更新+1
    global_step = tf.Variable(0,trainable = False)
    #计算使用滑动平均的前向传播结果
    variable_averages = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY,global_step)
    variables_averages_op = variable_averages.apply(tf.trainable_variables())
    average_y = inference(x,variable_averages,True)
    test_y = inference(x,None,True)
    #在前向传播过后计算交叉熵
    cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=test_y,labels=tf.argmax(y_,1))
    #交叉熵平均值
    cross_entropy_mean = tf.reduce_mean(cross_entropy)
    #正则项
    regularizer=tf.contrib.layers.l2_regularizer(REGULARIZATION_RATE)
    with tf.variable_scope("",reuse = True):
        regularization = regularizer(tf.get_variable("layer1/weights"))+regularizer(tf.get_variable("layer2/weights"))
    #损失等于交叉商加上正则项
    loss = cross_entropy_mean + regularization
    #定义学习率
    learning_rate = tf.train.exponential_decay(LEARNING_RATE_BASE,#基础学习速率
                                              global_step,       #当前迭代轮数
                                              mnist.train.num_examples/BATCH_SIZE,  #总共需要的迭代次数
                                              LEARNING_RATE_DECAY)      #学习率衰减速率
    #训练过程
    train_step = tf.train.GradientDescentOptimizer(learning_rate)\
                    .minimize(loss,global_step = global_step)
    #反向传播和滑动平均更新参数,这里直接实现了前向及逆向传播过程,在利用滑动平均更新参数的一整个过程
    #with tf.control_dependencies([train_step,variables_averages_op]):
        #train_op = tf.no_op(name='train')
    train_op = tf.group(train_step,variables_averages_op) 

    correct_prediction = tf.equal(tf.argmax(average_y,1),tf.argmax(y_,1))
    #计算出准确度,此处将bool转换成0,1,再用reduce_mean算1占的比例就可以得出准确度,可用一下注释代码验证
    #tmp = tf.Variable([True,False,True])
    #tmp1  = tf.cast(tmp,dtype=tf.float32)
    #with tf.Session() as sess1:
        #tf.global_variables_initializer().run()
        #print(sess1.run(tf.reduce_mean(sess1.run(tmp1))))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
    with tf.Session() as sess:
        #验证数据
        tf.global_variables_initializer().run()
        validate_feed = {x:mnist.validation.images,y_:mnist.validation.labels}
        #测试数据
        test_feed = {x:mnist.test.images,y_:mnist.test.labels}

        for i in range(TRAINING_STEPS):
            if i%1000 == 0:
                validate_acc = sess.run(accuracy,feed_dict=validate_feed)
                print("after %d training step(s),validation accuracy " "using average model is %g" %(i,validate_acc))
            xs,ys = mnist.train.next_batch(BATCH_SIZE)
            sess.run(train_op,feed_dict={x:xs,y_:ys})
        test_acc = sess.run(accuracy,feed_dict=test_feed)
        print("after %d training step(s),validation accuracy " "using average model is %g" %(TRAINING_STEPS,test_acc))
        print()

开始执行

mnist = input_data.read_data_sets("/Users/zhouzelun/Documents/python/mnist_data",one_hot=True)
train(mnist)

Linux中profile、bashrc、bash_profile之间的区别和联系

/etc/profile:此文件为系统的每个用户设置环境信息,当用户第一次登录时,该文件被执行.并从/etc/profile.d目录的配置文件中搜集shell的设置.

英文描述为:

# /etc/profile

# System wide environment and startup programs, for login setup
# Functions and aliases go in /etc/bashrc

# It’s NOT a good idea to change this file unless you know what you
# are doing. It’s much better to create a custom.sh shell script in
# /etc/profile.d/ to make custom changes to your environment, as this
# will prevent the need for merging in future updates.

所以如果你有对/etc/profile有修改的话必须得重启你的修改才会生效,此修改对每个用户都生效。

/etc/bashrc:为每一个运行bash shell的用户执行此文件.当bash shell被打开时,该文件被读取.

英文描述为:

# /etc/bashrc

# System wide functions and aliases
# Environment stuff goes in /etc/profile

# It’s NOT a good idea to change this file unless you know what you
# are doing. It’s much better to create a custom.sh shell script in
# /etc/profile.d/ to make custom changes to your environment, as this
# will prevent the need for merging in future updates.

如果你想对所有的使用bash的用户修改某个配置并在以后打开的bash都生效的话可以修改这个文件,修改这个文件不用重启,重新打开一个bash即可生效。

~/.bash_profile:每个用户都可使用该文件输入专用于自己使用的shell信息,当用户登录时,该文件仅仅执行一次!默认情况下,他设置一些环境变量,执行用户的.bashrc文件.

此文件类似于/etc/profile,也是需要需要重启才会生效,/etc/profile对所有用户生效,~/.bash_profile只对当前用户生效。

~/.bashrc:该文件包含专用于你的bash shell的bash信息,当登录时以及每次打开新的shell时,该文件被读取.(每个用户都有一个.bashrc文件,在用户目录下)

此文件类似于/etc/bashrc,不需要重启生效,重新打开一个bash即可生效,  /etc/bashrc对所有用户新打开的bash都生效,但~/.bashrc只对当前用户新打开的bash生效。

~/.bash_logout:当每次退出系统(退出bash shell)时,执行该文件.

另外,/etc/profile中设定的变量(全局)的可以作用于任何用户,而~/.bashrc等中设定的变量(局部)只能继承/etc/profile中的变量,他们是”父子”关系.

~/.bash_profile 是交互式、login 方式进入bash 运行的;
~/.bashrc 是交互式 non-login 方式进入bash 运行的;
通常二者设置大致相同,所以通常前者会调用后者。

机器学习笔记(五)隐马尔可夫模型

概率图模型分为两类:第一类是使用有向无环图表示变量间的依赖关系,称为有向图模型和贝叶斯网;第二类是使用无向图表示变量间的相关关系,称为无向图模型或者马尔可夫网。

隐马尔可夫模型(HMM)是结构最简单的动态贝叶斯网。

HMM主要用于时序数据建模,在语音识别、自然语言处理等领域有广泛应用。

HMM的变量可以分为两组。第一组是状态变量用yi表示,通常假定状态变量是隐藏的、不可被观测的,因此状态变量亦称隐变量;第二组是观测变量,用xi表示,即在i时刻的可观测值。

在HMM中,系统通常在多个状态si之间转换,因此状态变量yi的取值范围通常有N个可能取值的离散空间。

马尔可夫链(在任一时刻,观测变量的取值仅依赖于状态变量,即xt由yt确定,与其他状态变量及观测变量的取值无关。同时yt只依赖于t-1时刻的yt-1)

HMM通常只是关注y

除了结构信息隐马尔可夫模型还需以下三组参数:

  • 状态转移概率  yi之间转换的概率,记为矩阵A
  • 输出观测概率  根据当前状态获得各个观测值的概率,记为矩阵B
  • 初始状态概率  模型在初始时刻的概率也就是y1=si的概率,记为pi

通过状态空间、观测空间和上述三组参数,就能确定一个隐马尔可夫模型。

  1. 设置t=1,并根据初始状态概率pi来选择初始状态y1;
  2. 根据状态yt和输出观测概率B选择观测变量取值xt;
  3. 根据状态yt和状态转移矩阵A转移模型状态,即确定yt+1;
  4. 若t<n,设置t=t+1,并转移到第二步,否则停止。
 
在实际应用中,人们常关注HMM的三个基本问题:
  • 给定模型(A,B,pi),如何有效计算其产生观测序列x={x1,x2,….,xn}的概率,即如何评估模型与观测序列之间的匹配度。
  • 给定模型(A,B,pi)和观测序列x={x1,x2,….,xn},如何找到与此观测序列最匹配的的状态序列y={y1,y2,…,yn},即根据观测序列推测出隐藏的模型状态。
  • 给定观测序列x={x1,x2,…,xn},如何调整模型参数(A,B,pi)使得该序列出现的概率P(x|(A,B,pi))最大,即如何训练模型使得其能最好的描述观测数据。

使用代理的爬虫小程序

import urllib.request
import os
import sys
import re

def testArgument(url):
        TP=TestProxy(url)

def tipUse():
    print('改程序只能输入一个参数,这个参数必须是可用的proxy')
    print('usage:python test Urllib2WithProxy.py http//1.2.3.4:5')
    print('usage:python test Urllib2WithProxy.py https//1.2.3.4:5')

class TestProxy(object):
    def __init__(self,proxy):
        self.proxy = proxy
        self.checkProxyFormat(self.proxy)
        self.url = 'http://www.baidu.com'
        self.timeout=5
        self.flagWord='百度'
        self.useProxy(self.proxy)

    def checkProxyFormat(self,proxy):
        try:
            proxyMatch = re.compile('http[s]?://[\d]{1,3}\.{\d}{1,3}\.[\d]{1,3}:[\d]{1,5}$')
            proxyMatch.match(proxy)
        except AttributeError:
            tipUse()
            exit()
        flag = 1
        proxy = proxy.replace('//','')
        try:
            protocol = proxy.split(':')[0]
            ip = proxy.split(':')[1]
            port = proxy.split(':')[2]
        except IndexError:
            print('下标出界')
            tipUse()
            exit()
        flag = flag and len(proxy.split(':')) and len(ip.split('.'))

        flag = ip.split('.')[0] in map(str,range(1,256)) and flag
        flag = ip.split('.')[1] in map(str,range(256)) and flag
        flag = ip.split('.')[2] in map(str,range(256)) and flag
        flag = ip.split('.')[3] in map(str,range(1,255)) and flag
        flag = protocol in ['http','https'] and flag
        flag = port in map(str,range(1,65535)) and flag
        if flag:
            print('输入的http代理服务器符合标准')
        else:
            tipUse()
            exit()
            
    def useProxy(self,proxy):
        protocol = proxy.split('//')[0].replace(':','')
        ip = proxy.split('//')[1]
        opener = urllib.request.build_opener(urllib.request.ProxyHandler({protocol:ip}))
        urllib.request.install_opener(opener)
        try:
            response = urllib.request.urlopen(self.url,timeout=self.timeout)
        except:
            print('连接错误,退出程序')
            exit()
        
        data = response.read()
        data = data.decode('UTF-8')
        print(data)

testArgument('https://117.135.250.134:80')

python异步IO的发展历程

python中异步IO发展分为三个发展阶段

1.使用yield和send

2.使用@asyncio.coroutine和yield from

3.使用async/await关键字

一、yield和send


def fib(n):
	res = [0]*n
	index = 0
	a = 0
	b = 1
	while index < n:
		res[index] = b
		a, b = b, a + b
		index += 1
	return res

for res in fib(20):
	print(res)

这是一段输出斐波那契数列的代码,需要经过数次迭代。这种方式的缺点是执行这种迭代运算需要占用大量内存,而我们最终的目的如果只是想得到某一个顺序位上的数字,该方法就不太合适了。


def fib(n):
	res = [0]*n
	index = 0
	a = 0
	b = 1
	while index < n:
		yield b
		a, b = b, a + b
		index += 1
	
for res in fib(20):
	print(res)

当我们使用yield 时,无须在函数内加入return,直接用for in,便可直接得到yield的值,即没运行一次,就会再执行一次next(fib(20)) (相当于执行下一次吧)。


import random
import time
def fib(n):
	index = 0
	a = 0
	b = 1
	while index < n:
		sleep_cnt = yield b
		print('delay {0} seconds'.format(sleep_cnt))
		time.sleep(sleep_cnt)
		a, b = b, a + b
		index += 1
		
N = 20
sfib = fib(N)
res = next(sfib)
while True:
	print(res)
	try:
		res = sfib.send(random.uniform(0, 0.5))
	except StopIteration:
		break

当我们想往线程中发送数据时,可以用到send函数,此处使用time库,虚拟一下io的延迟。

二、@asyncio.coroutine和yield from


def fibAgain(n):
	print('I am copy from fib')
	yield from fib(n)
	print('Copy end')
	
for res in fibAgain(20):
	print(res)
以上代码承接上文,由此可见,yield from相当于重构之前的yield的代码,重新来一次刷新。

import asyncio

@asyncio.coroutine
def wget(host):
    print('wget %s...' % host)
    connect = asyncio.open_connection(host, 80)
    reader, writer = yield from connect
    header = 'GET / HTTP/1.0\r\nHost: %s\r\n\r\n' % host
    writer.write(header.encode('utf-8'))
    yield from writer.drain()
    while True:
        line = yield from reader.readline()
        if line == b'\r\n':
            break
        print('%s header > %s' % (host, line.decode('utf-8').rstrip()))
    # Ignore the body, close the socket
    writer.close()

loop = asyncio.get_event_loop()
tasks = [wget(host) for host in ['www.sina.com.cn', 'www.sohu.com', 'www.163.com']]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

以上是一个连接网站的一个例子,我们使用yield挂起需要异步IO的代码,在函数前加入@asyncio.coroutine关键字,再使用实现线程的并发。

三、async/await关键字


async def smart_fib(n):
	index = 0
	a = 0
	b = 1
	while index < n:
		sleep_secs = random.uniform(0, 0.2)
		await asyncio.sleep(sleep_secs)
		print('Smart one think {} secs to get {}'.format(sleep_secs, b))
		a, b = b, a + b
		index += 1
 
async def stupid_fib(n):
	index = 0
	a = 0
	b = 1
	while index < n:
		sleep_secs = random.uniform(0, 0.4)
		await asyncio.sleep(sleep_secs)
		print('Stupid one think {} secs to get {}'.format(sleep_secs, b))
		a, b = b, a + b
		index += 1
 
if __name__ == '__main__':
	loop = asyncio.get_event_loop()
	tasks = [
		smart_fib(10)),
		stupid_fib(10))
	]
	loop.run_until_complete(asyncio.wait(tasks))
	print('All fib finished.')
	loop.close()

理解了yield from之后,async/await关键字就很好理解了,其实就是对yield from的简化。

机器学习笔记(四)决策树

一、基本流程

决策树是一种常见的机器学习方法。

一般的,一颗决策树包含一个根结点、若干内部结点和若干叶结点,叶结点对应决策结果,其他每个结点对应于一个测试属性。

决策树的生成是一个递归过程,有三种情况会导致递归返回:1.当前结点包含的样本全属于同一类别,无须划分。2.当前属性集为空,或是所有样本在所有属性上取值相同,无法划分。3.当前结点包含的样本集合为空,不能划分。

二、划分选择

决策树学习的关键是如何选择最优划分属性,一般而言划分过程不断进行,我们希望决策树的分支节点所包含的样本尽可能属于同一类别,即结点纯度越来越高。

 “信息熵”是度量样本集合纯度最常用的一种指标。信息熵越小纯度越高。

信息增益可以算出某属性a来进行划分所获的纯度越大。

在实际中,信息增益准则对可取数目较多的属性有所偏好,为减少这种偏好可能带来的不利影响,可以使用增益率来选择最优划分属性。

增益率对可取值数目较少的属性有所偏好,因此,并不是直接选择增益率最大的候选划分属性,而是使用了一个启发式:先从候选划分属性中找出信息增益高于平均水平的属性,再从中选择增益率最高的。

也可使用基尼指数来选择划分属性,基尼指数越小,越优。

三、剪枝处理                                                                                                                为了减少过拟合的现象。

决策树剪枝的基本策略有预剪枝和后剪枝。

预剪枝是指在决策树生成过程中,对每个结点在划分前先进行估计,若当前结点的划分不能带来决策树泛化性能提升,则停止划分并将当前结点标记为叶结点。

后剪枝则是先从训练集生成一棵完整的决策树,然后自底向上地对非叶结点进行考察,若将该结点对应的子树替换为叶结点能带来决策树泛化性能的提升(可采用留出法验证),则将该子树替换为叶结点。   

根据奥卡姆剃刀原则,一般所有决策树都需要进行剪枝。

四、连续与缺失值

在处理连续值时的处理办法与属性值缺失值得方法。                                                                                                                                                                                                                                                                                                                                                                                                         

pandas 数据处理

pandas中数据可以分为series,dataframe,panel分别表示一维至三维数据。

其中在构造时,index表示行名,columns表示列名

series:

构造方式 

 s = pd.Series(data, index=index)
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

或者以字典的形式

In [7]: d = {'a' : 0., 'b' : 1., 'c' : 2.}

In [8]: pd.Series(d)
Out[8]: 
a    0.0
b    1.0
c    2.0
dtype: float64

In [9]: pd.Series(d, index=['b', 'c', 'd', 'a'])
Out[9]: 
b    1.0
c    2.0
d    NaN
a    0.0
dtype: float64

series的提取方式

In [11]: s[0]  #提取一个
Out[11]: 0.46911229990718628

In [12]: s[:3]    #提起开始至第三行
Out[12]:
a    0.4691
b   -0.2829
c   -1.5091
dtype: float64

In [13]: s[s > s.median()]   #按要求提取
Out[13]:
a    0.4691
e    1.2121
dtype: float64

In [14]: s[[4, 3, 1]]
Out[14]:
e    1.2121
d   -1.1356
b   -0.2829
dtype: float64

In [15]: np.exp(s)
Out[15]:
a    1.5986
b    0.7536
c    0.2211
d    0.3212
e    3.3606
dtype: float64

dataframe:

构造方式 

In [32]: d = {'one' : pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
   ....:      'two' : pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
   ....: 

In [33]: df = pd.DataFrame(d)

In [34]: df
Out[34]: 
   one  two
a  1.0  1.0
b  2.0  2.0
c  3.0  3.0
d  NaN  4.0

In [35]: pd.DataFrame(d, index=['d', 'b', 'a'])
Out[35]: 
   one  two
d  NaN  4.0
b  2.0  2.0
a  1.0  1.0

In [36]: pd.DataFrame(d, index=['d', 'b', 'a'], columns=['two', 'three'])
Out[36]: 
   two three
d  4.0   NaN
b  2.0   NaN
a  1.0   NaN

提取或按要求添加字段

In [56]: df['one']
Out[56]: 
a    1.0
b    2.0
c    3.0
d    NaN
Name: one, dtype: float64

In [57]: df['three'] = df['one'] * df['two']

In [58]: df['flag'] = df['one'] > 2

In [59]: df
Out[59]: 
   one  two  three   flag
a  1.0  1.0    1.0  False
b  2.0  2.0    4.0  False
c  3.0  3.0    9.0   True
d  NaN  4.0    NaN  False