第一周学习报告

本周完成工作

1、进行调研，完善项目方案；

2、攥写可行性报告；

3、完成大致系统结构框图。

本周进行的学习

1、HTML5的相关学习

初步学习了html5的一些知识，包括常用的标签以及相关属性，图片的引入，链接的插入等，还学习了层叠样式表的相关语法，对自己的html页面进行排版与美化。
需要注意的是，html会忽略标签中的连续的空白（包括空格、换行以及制表符），如果想要保持原有的文本格式，需要使用预格式文本标签pre。

    
    


TEST PAGE






This is a picture in the same directory.
This is a new line but not a new paragraph.
本行文本是仿宋，字号20，紫色
本行是一行平庸的文本


    预文本标签里的缩进保持不变！
    春晓
    春眠不觉晓，
        处处闻啼鸟。
            夜来风雨声，
                花落知多少。

    if __name__ == "__main__":
        print("Hello world")

2、机器学习之聚类

此处我使用的是sklearn库的DBSCAN算法对上网时长进行聚类分析，首先对数据文本进行处理，得到数据集；

import numpy as np
import sklearn.cluster as skc
from sklearn import metrics
import matplotlib.pyplot as plt

mac2id = dict()
onlinetimes = []
f = open('test.txt')
for line in f:
    mac = line.split(',')[2]
    onlinetimes = int(line.split(',')[6])
    strattime = int(line.split(',')[4].split(' ')[1].split(':')[0])
    if mac not in mac2id:
        mac2id[mac] = len(onlinetime)
        onlinetimes.append((strattime, onlinetime))
    else:
        onlinetimes[mac2id[mac]] = [(strattime, onlinetime)]
real_X = np.array(onlinetimes).reshape((-1, 2))

接着调用DBSCAN算法对得到的数据集进行处理，并打印结果。

X = real_X[:, 0:1]
db = skc.DBSCAN(eps=0.01, min_samples=20).fit(x)
labels = db.labels_
print(labels)
raito = len(labels[lable[:] == -1]) / len(labels)
print("噪声数据的比例:", raito)

n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print(n_clusters_)
print(metrics.silhouette_score(X, labels))