Machine-Learning, was ist das? Machine-Learning ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung. Damit eine Software eigenständig lernen und auch Lösungen finden kann, ist im Voraus das Handeln von Menschen notwendig. Sie müssen die Systeme mit den für das maschinelle Lernen notwendigen Daten und Algorithmen versorgen. Zunächst müssen jedoch die Regeln für die Analyse des Datenbestands […]
Anaconda und Einrichtung der Python Umgebung
Anaconda Installation und der benötigten Tools In diesem Beispiel werden wir Anaconda installieren, dafür bitte hier klicken. Anaconda ist eine Freemium-Open-Source-Distribution für die in unserem Fall Programmiersprache Python, die unter anderem die Entwicklungsumgebung Spyder, den Kommandozeileninterpreter IPython, und ein webbasiertes Frontend für Jupyter enthält. Der Fokus liegt vor allem auf der Verarbeitung von großen Datenmengen, Vorhersageanalyse und wissenschaftlichem Rechnen. Das Ziel der Distribution ist die […]
Sqlite Datenbank lesen und schreiben
Schreiben in Sqlite In diesem Teil lernen wir, wie Flask mit der Sqlite Datenbank verbunden wird und wie wir können die Formulardaten einfügen. In diesem Beispiel verwenden wir die Sqlite Dict Python Bibliothek. Sie können jede gewünschte Datenbank verwenden, aber in diesem Fall verwenden wir Sqlite, weil Sie eine ziemlich einfache Datenstruktur verwenden. Ändern Sie […]
Weitere Bearbeitung
POST Daten drucken In jeder Web-App müssen Sie eingehende Anforderungsdaten von Benutzern verarbeiten. Mit Flask können Sie wie mit jedem anderen Webframework problemlos auf die Anforderungsdaten zugreifen. Der nächste Schritt besteht darin, den Wert zu verwenden: from flask import Flask from flask import render_template app = Flask(__name__) @app.route(“/”), methods=[‘GET’, ‘POST’] def index (): if request.method […]
Daten POST und hinzufügen der Logic
Hinzufügen einer benutzerdefinierten Datenberechnung Lassen Sie uns nun mehr Daten berechnen. Wir öffnen “process_data.py” und bearbeiten die Datei mit diesem Skript: def calculate_coin(price_usd): return (float(price_usd) > 40 def process(): data = get_data(“/v1/ticker/?limit=10”) all_coins = [] for coin in data: coin [“isover40”] = calculate_coin(coin[“price_usd”]) all_coins.append(coin) return all_coins Bootstrap Formular und submit Knopf erstellen In diesem Teil […]