查询操作是Django的ORM框架中最重要的内容之一。我们建立模型、保存数据为的就是在需要的时候可以查询得到数据。Django自动为所有的模型提供了一套完善、方便、高效的API，一些重要的，我们要背下来，一些不常用的，要有印象，使用的时候可以快速查找参考手册。 本节的内容基于如下的一个博客应用模型： ...
分类：
其他好文 时间：
2018-12-30 20:32:40
阅读次数：
254
一、 问题陈述 问题如上图，下面为中文描述： 有容量限制的设施地址问题：假设有n个设施和m个顾客，我们可以作以下操作： ①开启设施 ②分配顾客到某设施 上述两个操作都有各自的成本，我们希望总成本最低，且分配到某设施的总需求不能超过其容量。 二、建立模型 为了方便问题的解决，我们首先建立模型，更具体地 ...
分类：
其他好文 时间：
2018-12-24 02:32:00
阅读次数：
119
建立模型之后，执行迁移，报如下错误： __init__() got an unexpected keyword argument 'qnique' 错误原因：模型的属性的约束添加错误，这种错误一般就是单词拼写，参数少传的粗心导致的，细心点即可避免。 解决方案：修改模型的约束， 执行： 迁移成功。 ...
分类：
其他好文 时间：
2018-12-21 19:43:16
阅读次数：
437
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-06 22:25:26
阅读次数：
257
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-06 22:18:18
阅读次数：
177
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-06 21:23:36
阅读次数：
247
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-06 20:35:31
阅读次数：
106
朴素贝叶斯应用：垃圾邮件分类 1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词 ...
分类：
其他好文 时间：
2018-12-06 11:05:10
阅读次数：
253
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-03 12:01:18
阅读次数：
169
1. 数据准备：收集数据与读取 2. 数据预处理：处理数据 3. 训练集与测试集：将先验数据按一定比例进行拆分。 4. 提取数据特征，将文本解析为词向量 。 5. 训练模型：建立模型，用训练数据训练模型。即根据训练样本集，计算词项出现的概率P(xi|y)，后得到各类下词汇出现概率的向量 。 6. 测 ...
分类：
其他好文 时间：
2018-12-03 12:00:56
阅读次数：
226
