1.关于scikit-learn简介

说明:这个sklearn系列的笔记,在我的分类scikit-learn里面,主要介绍常用的模型的参数,并且附带数据、案例、代码、结果。

这个系列的笔记不会限于sklearn,还会包括一些时间序列(StatsModels)、词云(jieba & wordcloud)、LDA(NLP的最最最简单部分)。

笔记整理自一下书目(同时推荐这些书,书中有交叉知识,我个人比较喜欢第一本):

  1. 张良均,王路,谭立云,苏剑林等.Python数据分析与挖掘实战[M].北京:机械工业出版社,2017.
  2. 王宏志.大数据分析原理与实践[M].北京:机械工业出版社,2017.
  3. 余本国.基于python的大数据分析基础及实战[M].北京:中国水利水电出版社,2018.

第一本书附带数据、代码、结果,学起来可以实地搬砖操作,真的很方便;第二本书理论完善、附带案例展示,但是没有数据、没有代码,可以看看,培养下数据思想;第三本书,也有案例数据代码,但是内容比较简单,而且我看着有点乱(仅个人观点)。

1.python数据分析的几个工具

<
库名 说明
Numpy 数组支持,以及高效的函数,很重要!!!
Scipy
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
numpy 1.19.2 是一个Python库,旨在提供用于科学计算的高性能多维数组对象和工具。它提供了广泛的数学函数和操作符,并具有强大的N维数组对象。numpy 1.19.2 在数据处理和分析中非常有用,尤其是在处理大规模数值计算和数据集时。它还提供了高效存储和操作大型数据集的方式,可以与其他Python库和工具无缝集成。 与此同时,scikit-learn 是一个用于机器学习的Python库,它构建在numpy和其他相关库的基础上。scikit-learn 提供了各种机器学习算法和工具,包括分类、回归、聚类、降维等。它还提供了许多预处理和特征选择方法,以帮助用户准备输入数据。scikit-learn 提供了易于使用的API和丰富的文档,使得使用机器学习算法变得简单而直观。 numpy 1.19.2 和scikit-learn 具有良好的兼容性。在scikit-learn 的内部实现中,它广泛使用了numpy 数组,因为numpy 数组提供了高效的数据存储和操作方法。numpy 的各种操作可以用于预处理数据,特征选择和数据转换等步骤。此外,numpy 数组还可以方便地与scikit-learn 的模型进行交互,对于训练和预测过程都非常有用。 综上所述,numpy 1.19.2 是scikit-learn 的一个必要组成部分,它为scikit-learn 提供了高效的数组操作和处理工具。numpy 的功能和性能使得scikit-learn机器学习任务中更加强大和易用。通过结合使用这两个库,可以更好地处理和分析数据,构建高效的机器学习模型。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值