白水的博客

交叉验证法，就是把一个大的数据集分为 kkk 个小数据集，其中 k−1k-1k−1 个作为训练集，剩下的 111 个作为测试集，在训练和测试的时候依次选择训练集和它对应的测试集。这种方法也被叫做 kkk 折交叉验证法（k-fold cross validation）。最终的结果是这 k 次验证的均值。此外，还有一种交叉验证方法就是 留一法（Leave-One-Out，简称LOO），顾名思义，就是使 kkk 等于数据集中数据的个数，每次只使用一个作为测试集，剩下的全部作为训练集，这种方法得出的结果与训练整个

文章目录1. 数据拟合与最优化方法1.1. 数据拟合1.1.1. 线性回归 fitlm1.1.2. 多项式线性回归 regress1.1.3. 多项式非线性回归 polyfit1.1.4. 自定义非线性回归 fit1.1.5. 自定义非线性最小二乘法回归 lsqcurvefit1.1.6. 自定义非线性牛顿法回归 nlinfit1.1.7. 拟合工具箱 Curve Fitting1.2. 最优化方法1.2.1. 无约束优化问题1.2.2. 约束优化问题2. 神经网络与特征选择2.1. 神经网络2.1.1.

导入库import seaborn as snsimport numpyimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline写一个sinsin\sin函数并用Matplotlib表示出来def sinplot(flip = 1): x = numpy.linspace(0, 14...

导入numpy库、pandas库和Matplotlib库import pandas as pdimport numpyimport matplotlib.pyplot as plt导入文件reviews = pd.read_csv("fandango_score_comparison.csv")柱形图 生成一个柱形图：#bist图(柱形图)fig, ax ...

导入numpy库、pandas库和Matplotlib库import pandas as pdimport numpyimport matplotlib.pyplot as plt导入文件reviews = pd.read_csv("fandango_score_comparison.csv")条形图： 生成一个条形图：cols = ['Metacritic...

导入numpy库、pandas库和Matplotlib库import numpy as npimport pandas as pdimport matplotlib.pyplot as plt1、将画板分为几个子图#创建一个画板fig = plt.figure()#创建子图，参数n、m、k分别表示把画板分为n×m块子画板，子图在k子画板上ax1 = fig.add_s...

首先导入pandas库和matplotlib库import pandas as pdimport matplotlib.pyplot as plt以一个csv文件来演示用Matplotlib制作折线统计图：UNRATE.csv导入csv文件unrate = pd.read_csv("UNRATE.csv")把参数‘DATE’转化为标准时间格式unrate['D...

Series是DataFrame的一个子结构，把DataFrame中的某一列或者某几列单独拿出来就是一个Series结构，相当于Numpy当中ndarray导入pandas库import pandas as pd我们以一个csv文件来演示Series的作用：fandango_score_comparison.csv导入csv文件fandango_score_comparisio...

导入pandas库和numpy库import pandas as pdimport numpy as np我们以一个csv文件来展示pandas是如何来进行数据预处理的：titanic_train.csv读入文件titanic_train.csvtitanic_survival = pd.read_csv("titanic_train.csv")1、求平均值 ①通过...

导入pandas库和numpy库import pandas as pdimport numpy as np我们以一个csv文件来展示pandas是如何来进行数据预处理的：titanic_train.csv读入文件titanic_train.csv，并显示前十行数据titanic_survival = pd.read_csv("titanic_train.csv")tit...

假定所有操作都事先导入pandasimport pandas我们以一个csv文件为例，来展示pandas是如何读取数据的:food_info 读入csv文件food_info = pandas.read_csv("food_info.csv")1、查看pandas的数据结构，pandas的数据结构为DataFrame类型print(type(food_info))...

假定所有操作都事先导入numpy库import numpy as np1、平方根和次方根B = np.array([0, 1, 2])print(B)print('----------')#计算e的次方print(np.exp(B))print('----------')#计算次方根print(np.sqrt(B))结果为：[0 1 2]------...

假定所有操作都事先导入numpy库import numpy as np1、构造矩阵 ①构造一个零阵np.zeros((3,4))#构造的零阵其中的值默认为folat类型结果为：array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])②构造一个...

假定所有操作都事先导入numpy库import numpy as np1、造一个索引(从0开始的排列)print(np.arange(15))结果为：[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]2、将向量转化为矩阵a = np.arange(15).reshape(3,5)a结果为：array([[ ...

假定所有操作都事先导入numpy库import numpy1、判断向量或矩阵中是否存在某一元素①向量vector = numpy.array([5, 10, 15, 20])vector == 10结果为：array([False, True, False, False], dtype=bool)②矩阵matrix = numpy.array([[5, ...

假定所有操作都事先导入numpy库import numpy1、查询文档 在运用numpy库的时候遇到不知道使用的函数可以查询官方文档来学习，例如查询genfromtxt()函数的文档print(help(numpy.genfromtxt))2、创建向量(数组)和矩阵 ①创建一个向量vector = numpy.array([5, 10, 15, 20])pri...