Webページの要素は、IDで確認できます。 これは、セレンを含むWebページ上の要素を選択する方法の1つです。 開発者ツールで取得できる要素IDが必要です。 idまたはcssを使用してWebページ要素を選択することもできます。 関連コース： 要素を見つけるセレンはIDで要素を検索しますセレンコードは、IDによる要素の検索を使用して検索ボックスを選択します。 次に、検索ボックスにメッセージを入力します。 12345678910111213from selenium import webdriverfrom selenium.webdriver.common.by import Byimport timebrowser=webdriver.Firefox()browser.get("https://wiki.ubuntu.com")element=browser.find_element(By.ID,"searchinput")element.send_keys("typing")print(element)time.sleep(3)browser.close()…

SeleniumWebDriverを使用してJavascriptを実行できます。 このチュートリアルでは、Pythonコードから直接jsを実行する方法を学習します。 セレンを使用して、WebアプリまたはWebサイトの自動テストを実行するか、Webブラウザーを自動化します。 デスクトップブラウザとモバイルブラウザの両方を自動化できます。SeleniumWebdriverはJavascriptを実行できます。 ページを読み込んだ後、必要なJavaScriptを実行できます。 セレンが機能するには、Webドライバーをインストールする必要があります。 Javascriptを実行するために必要なのは、メソッドを呼び出すことだけです execute_script(js) ここで、jsはJavaScriptコードです。 関連コース： javascriptJavaScriptとは何ですか？JavaScriptは、Webサイト（クライアント側）上で実行するために作成されたスクリプト言語です。 以前はウェブページをインタラクティブにするだけでしたが、最近ではアプリのフロントエンドを構築できる完全なフレームワークがあります。 Javascriptを実行する方法は？セレンを使用する前に、セレンがインストールされていることと、適切なWebドライバーがあることを確認してください。 セレンはいつものように初期化できます。 Python…

Cookieは、WebサーバーからWebブラウザに送信されるメッセージです。 これにより、Webブラウザにログイン情報、ユーザー名、ショッピングカートなどの情報を保存できます。 ウェブサイトは異なるページ間でこれを覚えておく必要があり、Cookieがこれに使用されることがあります。 セレンでは、メソッドget_cookies（）およびadd_cookie（）を使用してCookieを取得および設定できます。 関連コース： セレンクッキー以下のセレンCookieコードは、サイトredditによって設定されたすべてのCookieを取得します。 1234567891011from selenium import webdriverimport timebrowser=webdriver.Firefox()browser.get("https://reddit.com")cookies = browser.get_cookies()for cookie in…

Seleniumを使用すると、Webブラウザーを自動化できます。 SeleniumはPythonモジュールです。 Pythonモジュールとは別に、Webドライバーが必要です。 Pythonから、Firefox、Chrome、Internet Explorer、Edge、その他多くのブラウザを制御できます。 新しいURLを開いたり、ボタンをクリックしたりできます。 関連コース： ウェブブラウザーセレンブラウザ以下のSeleniumブラウザーのコードは、いくつかのWebブラウザーを起動します。 彼らはウェブサイトを開いてからブラウザを閉じます。 これを機能させるには、Webドライバをインストールする必要があります。 1234567891011121314151617181920212223242526272829303132333435363738394041424344from selenium import webdriverimport timefrom…

方法 Scikit-Learnで学習するためのデータを準備する。 sci-kit-learnを使用して学習アルゴリズムを実装する場合、最初に行う必要があるのは、データを準備することです。 これにより、使用することを決定した学習アルゴリズムに問題の構造が示されます。 関連コース： Python機械学習コース これに対する唯一の障壁は、処理されるデータについて異なる仮定を開始するための異なるアルゴリズムの必要性であり、異なる変換が必要になる場合があります。 sci-kit-learnで学習するためのデータの準備には、4つの実証済みのステップがあります。 それらが含まれます： データを再スケーリングします データの標準化 データを正規化する データをバイナリに変換する データの準備データを再スケーリングします特にデータが異なるスケールで構成されている場合にデータの属性を再スケーリングします。これにより、複数の学習アルゴリズムがデータの再スケーリングプロセスの恩恵を受けて、同じスケールで確実に発生するようになります。 このプロセスは、0と1の再スケーリングされた範囲を持つ属性を使用した呼び出し可能な名詞化です。これにより、最急降下法のコアを形成する最適化アルゴリズムの存在が保証されます。これは、学習アルゴリズムの試験です。…

顔検出システムは、最も一般的に使用されている人工知能の1つです。 一方、セキュリティとロボット工学は目立たない方法でそれを実装し、写真を撮ったりソーシャルメディアにコンテンツをアップロードしたりするたびに顔検出を使用します。 それは私たちの生活の一部になり、ほとんどの人はその背後にあるものにさえ気づいていません。 関連コース： Python機械学習コース 顔検出は単純に見えるかもしれませんが、そうではありません。 画像やビデオフレームから人を識別して検証することができる技術です。 指紋や目の虹彩認識システムに何とか似ています。 Pythonの顔検出前書きそれで、私たちがこれらすべてで言いたいことは何ですか？ 顔検出は、コーディング方法を知っているすべての人に可能です。 開発者とプログラマーはそれに到達することができます。 Open CVの例から、ライブラリのみが必要になります。 また、Pythonなどのプログラミング言語も必要になります。 そして、彼らが以前にそれをしなかったならば、彼らは少し忍耐強くなければなりません。…

データは無限大です。 データサイエンティストは毎日それに対処する必要があります！ データがあり、機能があり、何が起こり得るかを予測したい場合があります。 そのために、データサイエンティストは、そのデータを機械学習に入れてモデルを作成します。 関連コース： Python機械学習コース 例を設定しましょう： 写真に猫と犬のどちらが含まれているかをコンピュータが判断する必要があります。 コンピューターには、その方法を学ぶためのトレーニングフェーズとテストフェーズがあります。 データサイエンティストは、猫と犬の何千枚もの写真を収集します。 そのデータは、トレーニングセットとテストテストに分割する必要があります。 次に、分割が発生します。 トレインテスト分割スプリット 結果が疑わしいため、トレーニングした同じデータをテストできないことを知っています…トレーニングとテストに使用するデータの割合をどのように知ることができますか？ 簡単です。2つのデータセットがあります。…

最も単純な機械学習アルゴリズムの1つであるK最近傍法をご覧ください。 このアルゴリズムは、 分類 そして 回帰。 どちらの用途でも、入力は特徴空間で最も近いk個のトレーニング例で構成されます。 一方、出力はケースによって異なります。 K最近傍分類では、出力はクラスメンバーシップです。 K最近傍回帰では、出力はオブジェクトのプロパティ値です。 K最近傍法は実装が簡単で、複雑な分類タスクが可能です。 関連コース： Python機械学習コース knnk最近傍それはと呼ばれます 怠惰 特別なトレーニングフェーズがないため、学習アルゴリズム。…

デシジョンツリーは、最も人気のある教師あり機械学習アルゴリズムの1つです。 観察から結論に至る予測モデルです。 観察は枝で表され、結論は葉で表されます。 モデルに離散値のセットを取ることができるターゲット変数がある場合、は分類ツリーです。 モデルに連続値をとることができるターゲット変数がある場合、は回帰ツリーです。 関連コース： Python機械学習コース デシジョンツリーは、統計やデータマイニングでも一般的です。 シンプルですが便利な機械学習構造です。 デシジョンツリー前書きデシジョンツリーを理解する方法は？ バイナリの例を設定しましょう！ コンピュータサイエンスでは、木は上から下に逆さまに成長します。 一番上の項目はルートノードと呼ばれる質問です。 本物の木と同じように、すべてはそこから始まります。 その質問には2つの可能な回答があるため、回答は（この場合）ツリーから出ている2つのブランチノードです。…

多項式回帰は非常に便利です。 XとYの間には、常に線形関係があるとは限りません。関係が指数関数的またはN次である場合があります。 関連コース： Python機械学習コース 回帰多項式回帰XとYの間の多項式関係をプロットできます。線形関係がない場合は、多項式が必要になる場合があります。 線形関係とは異なり、多項式はデータによりよく適合します。 この多項式行は、1行のコードで作成します。 1poly_fit = np.poly1d(np.polyfit(X,Y, 2))これにより、アルゴリズムがトレーニングされ、2次多項式が使用されます。トレーニング後、新しい例を使用してpolyfitを呼び出すことで値を予測できます。 その後、連続値を出力します。 例以下の例では、収集されたデータの上に多項式線をプロットします。 アルゴリズムをトレーニングしてから、連続値の予測を行います。 1234567891011121314151617181920212223import…