mlcode

【算法】机器学习相关

动态梯度学习，计算loss

dyplotLine.py

图片描述的是，对于给定的数据，通过梯度下降不断进行学习，求解最小loss，最后使得通过w b计算的值逼近原数据

【辅助插件，外挂相关】

python2 多线程锁功能单一，不引入三方组件进行修饰，支持超时任务

代码这里

运行实例

start the mission for port 301 
start the mission for port 302 
port is 301
can't get file lock 302 , pass this step
port 301 is running over  

复杂json指定内容修改，代码做些技巧，支持迭代过程中对字典进行修改

代码这里

运行实例

#读取 sa.json 文件
#生成 sa2.json 文件，文件中的所有uidd全部被修改成指定内容

#运行输出
aucctions
uidd 8999211293481sasdja
new : uidd helloworld
uidd 8999211293481sasdja
new : uidd helloworld

任务调度时，资源动态分配，主要优先级辅以时间

代码这里

运行实例

以带宽为例，总计1500000kb，要求输出所有任务的带宽值
优先级格式  组优先级-时间序列生成的id

feed [['1- 47', '1- 49', '1- 85', '1-149', '1-247'], ['2- 39', '2-124', '2-245', '2-257'], ['3- 62', '3- 72', '3-308', '3-309'], ['4- 39', '4-218']]


output
{'1-247': 488000.0, '3- 72': 258000.0, '1- 49': 512000.0, '1- 47': 520000.0, '3-309': 246000.0, '1- 85': 504000.0, '3-308': 252000.0, '2-257': 369000.0, '3- 62': 264000.0, '2-124': 387000.0, '1-149': 496000.0, '4- 39': 140000.0, '2- 39': 396000.0, '4-218': 130000.0, '2-245': 378000.0}

【实战】数据分析相关

杭州车牌摇号分析

rollingcarnum.py

rollingcarnum.py 是杭州摇车牌的简略分析，目前只做了重名分析。本地数据可以看出，大概可以看出短名字更容易摇中

dda = text.replace(r"↑", "")

# 这个中间有个大写加粗的↑箭头，从pdf而来。可以print text 查看后替换，这里网页被屏蔽。。

简析摇号完整数据

昨天数据炸一看，感觉政府偏心，感觉车牌总是给那些短名字的人准备的，今天从摇号的官网爬了完整的数据，再看了一下。

代码链接

程序运行结果如下

摇号总数命中： dict_items([('3名字中次数', 130816), ('2名字中次数', 20316), ('4名字中次数', 500)])
高频命中： dict_items([('3名字中次数', 1039), ('2名字中次数', 1961)])

生产了2张图提高可视化

第一张图是全部数据分析，3字名命中要远高于2字名命中

第二张图是高频命中，反复容易摇中的名字中，2字名要占大数

第三张图，应是彩蛋，这里可以用来作为改名指南，数据里，命中最高的名字居然被反复抽中101次。我觉得这里是重点【敲黑板】不打针，不吃药助你轻轻松摇到号，就是按图进行改名，分分钟就成为拥有浙A的人生赢家！