V2EX › SleipniR 的所有回复 › 第 3 页 / 共 4 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 2 3 4

❮

❯

2019 年 6 月 13 日

回复了 awker 创建的主题 › 程序员 › Linux 主机有什么工具可以看到本机对外访问的 URL 和流量吗？

1 ） Fiddler / browsermobproxy 系统全局代理
2 ） tcpdump + wireshark
仅供参考

2019 年 6 月 3 日

回复了 kevinmissu 创建的主题 › Python › 本人小白最近再学习 flask 最近最近有一个需求如下：用户上传一个文件，我们需要用户输入邮箱，然后把结果返回给邮箱怎么操作求大神

这是一个文件异步处理后结果发回邮箱的问题？
如果上传的文件和填写的邮箱在同一 form 里面，那么在提交异步任务的时候将邮箱和文件同时提交，发送邮件的动作在异步处理程序完成文件处理后执行。

2019 年 5 月 28 日

回复了 fank99 创建的主题 › Python › 请教各位 Python 爬虫工程师有什么好的转职方向吗？

对 Python 开发来说，大数据现在一般指 Hadoop/HDFS/ElasticSearch/Kafka/Spark 这个系列的技能，数据分析指 Nympy/Scipy/Pandas/Matploitlib 这个系列的技能。

2019 年 5 月 6 日

回复了 allenwuli 创建的主题 › 机器学习 › kmeans 算法，距离改用余弦相似度， Python 实现。

好像需要梯子：

from sklearn.cluster import k_means_
from sklearn.metrics.pairwise import cosine_similarity, pairwise_distances
from sklearn.preprocessing import StandardScaler

def create_cluster(sparse_data, nclust = 10):

# Manually override euclidean
def euc_dist(X, Y = None, Y_norm_squared = None, squared = False):
#return pairwise_distances(X, Y, metric = 'cosine', n_jobs = 10)
return cosine_similarity(X, Y)
k_means_.euclidean_distances = euc_dist

scaler = StandardScaler(with_mean=False)
sparse_data = scaler.fit_transform(sparse_data)
kmeans = k_means_.KMeans(n_clusters = nclust, n_jobs = 20, random_state = 3425)
_ = kmeans.fit(sparse_data)
return kmeans.labels_

2019 年 5 月 6 日

回复了 allenwuli 创建的主题 › 机器学习 › kmeans 算法，距离改用余弦相似度， Python 实现。

https://gist.github.com/jaganadhg/b3f6af86ad99bf6e9bb7be21e5baa1b5

2019 年 4 月 30 日

回复了 DaWNY 创建的主题 › Linux › [求助] 用 paramiko 执行命令碰到的 Linux shell 环境问题

引号里面用分号隔开多条命令？

2019 年 4 月 30 日

回复了 DaWNY 创建的主题 › Linux › [求助] 用 paramiko 执行命令碰到的 Linux shell 环境问题

试试这个，不确定行不行：
sudo su -l root -c "supervisorctl status"

2019 年 4 月 27 日

回复了 rt95 创建的主题 › 问与答 › 用 scrapy 框架爬取数据时， pipelines.py 里面的 process_item 方法为什么一定要 return,又 return 到何处？

要知道 pipeline 并非只有一个，你处理完可能别的 pipeline 还要处理。