前一段时间学习了python，不过仅仅掌握了一些基本语法和操作之后就去忙其他事情了。最近开始弄项目了，发现在用python写脚本时还是不够熟练。经过大佬的指点之后学到了好多python的技巧，为了不让自己忘记，想写一篇文章记录一下自己学习python的过程，让自己的代码更加pythonic。
pandas常用函数学习
在做数据分析时自己在网上搜集的有关pandas用法整理，后续还会增加。
基于机器学习算法的Android恶意软件静态检测模型
这是我们在大三阶段完成的一个项目，项目的名称是”Android恶意广告检测软件的研究与实现”，本项目的目的是完成一个Android恶意广告检测系统，系统分为客户端与服务器端两部分，采用动态检测与静态检测相结合的方式，动态检测在本地进行，使用Android Hook技术与网络抓包等。静态检测需要将app上传到云端，然后对app进行反编译提取恶意特征，这部分用到了Android污点分析技术FlowDroid和Soot技术，一般来说，提取的敏感特征包括敏感权限，恶意API等，这些数据具有统计特性，于是可以用机器学习的思想来分析这些特征。
本项目组一共四人，我主要负责机器学习分析特征这一部分，由于以前从来没接触过有关机器学习这方面的东西，所以也是一边学习一遍完成项目。总的来说，机器学习离不开数据分析，个人理解，所有可以用数据统计的东西都能用数学（机器学习算法）的思想解决。在完成本项目的过程中，自己也对机器学习，数据挖掘分析方面有了一定的了解，下面分享一下我完成本项目的具体思路和设计。
基于保留格式加密技术的航班信息系统的设计思路和流程
这是我们在创新创业实践中一起完成的一个项目。本项目的名称是“基于保留格式加密技术的航班信息发布系统的设计与实现”，队伍中一共有四名成员，两名成员主要负责分析和完善算法，萌新学妹主要是学习经验，而我主要负责网站的搭建和系统功能的完善。下面说一下我具体的开发流程和思路。
机器学习之朴素贝叶斯
不同与决策树和逻辑回归等以往学习的分类算法，贝叶斯方法是概率框架下实施决策的基本方法。对分类任务来说，在所有相关概率都已知的理想情况下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。该算法的有点在于简单易懂、学习效率高，适用于可以求出概率的数据。
机器学习之回归算法—Logistic回归
Logistic回归是机器学习中的一种分类模型，由于其算法的简单和高效，在实际应用中非常广泛。例如，在实际生活中，当判断类似是否为垃圾邮件、病人是否得了癌症等以二值型(即1或0)输出的分类时，我们可以使用基于对数几率回归的Logistic回归。
注意：logistic又翻译为”逻辑回归”，不过其本意应为“对数几率回归”，与”逻辑”一词并无关系