cqtwins的博客

原创 UserWarning: Workbook contains no default style, apply openpyxl‘s故障的处理

这个excel文件没有设置默认的样式。一般这种没有默认样式的excel文档是由其他程序生成的，不是像windows系统日常使用中通过右键点击创建的excel文档。2. 先用excel程序，打开保存一下这个文档，使该文档程序属性变成Microsoft EXCEL，同时应该也保存了默认的excel样式。在使用pandas打开excel文档时，爆出如下警告，这个属于警告，并不是报错。

原创 扎根理论最后一贴

听哥一句劝，玩玩可以，如果要发SCI文章，还是别用扎根理论。

原创 使用pandas删除多列的简单操作详解

获取数据信息非常重要，一是需要随时掌握处理后的数据情况，二是获得列数据的索引。在使用pandas读入数据后，在预处理的过程中经常会需要删除多余无关的列数据。

原创 matplotlib根据条件设置标签颜色

在做数据分析的时候，需要根据条件将不同的数值设置为不同的颜色，然后画出来。网上找了半天没找到合适的解决方案，自己研究了一个方案，供大家批评指正然后导入excel中的数据，这里略过接下来在画图的时候，我想将60分以上的点标注为绿色（通过），60分以下的点标注为红色（未通过）这里要注意：1.通过pandas读入的excel数据为dataframe格式，用iloc切片成list2.使用zip函数将list数据组成元组，利用for循环遍历元组内容3.用if函数设置你的条件...

原创 波士顿房价预测模型keras实现的解析

从最简单的波士顿房价数据分析入手，在网上找了一段代码，根据我自己的理解做了以下分析，有不对之处还请各位大神指出。导入KERAS和波士顿房价数据包import kerasfrom keras.datasets import boston_housing导入层级模型和全连接层from keras.models import Sequentialfrom keras.layers import Dense从房价数据包中导入数据(x_train,y_train),(x_test,y

原创 扎根理论的发展

1990年，Strauss和Corbin发表了修正主义方法论《定性研究基础：扎根的理论程序和技术》，书中包括了对1967年原始方法论的推导和扩展。扎根理论后来演进出了“Straussian”与“Glaserian”两种流派。Glaser继续倡导运用1967年的原始方法，Strauss则对原始的方法进行了修改。Strauss 和Corbin在此基础上相继提出了三个变形版本的扎根理论。Glaser和Strauss的学生也对原始的扎根理论进行了发展，其中最著名的是Kathy Charmaz和Adele C

原创 扎根理论编码的操作

编码是一个对于深度访谈资料中的词句、段落等片段不断进行分析概括和归纳标识的过程。开放式编码是指对访谈资料的词句和片段进行概念化、抽象化的标示。它既可以是访谈对象所使用的生动、鲜明的词语，也可以是研究人员从资料阅读中所抽象出的名词和概念。 关联式编码的目的就是理清各个概念及其之间的相互关系，通过对概念之间关系的反复思考和分析，整合出更高抽象层次的范畴，并确定相关范畴的性质和维度。 选择式编码的任务则是系统处理范畴之间的关系，确定核心范畴和次要范畴，从而形成建立在范畴关系基础之上的扎根理论。以上三种编

原创 扎根理论抽样的操作

深度访谈究需要详细、深入的访谈资料，它更注重访谈的质量，而不是数量。因此，深度访谈很少采用随机抽样，而是采用灵活机动的非随机抽样。Strauss和Cobin在《质性研究概要》中，介绍了三种不同的理论性抽样:开放性抽样、关系性和差异性抽样以及区别性抽样。开放性抽样是指根据研究的问题，选择那些能够为研究问题提供最大涵盖度的研究对象进行访谈，从而覆盖研究现象的方方面面并从中发现建构理论所需用的相关概念和范畴，这通常发生在深度访谈的开始阶段。 关系性和差异性抽样是指在对访谈资料进行即时整理和分析的

原创 关于神经网络算法使用场景的思考

当前人工智能、深度学习的概念很火，各领域的啰啰闻风而动（包括我）迫不及待的冲入了这一领域，都想分一杯羹。在自学的过程中，看到一位大神说的话，引起了我的思考，也不记得是哪位大神，估计大神也是引用的也不一定，但是这句话确实说得很好：测量方法决定了逼近真实值的上限，而不同的测量手段只为逼近此上限。举个例子一根木头的真实长度是1米。1.选择用眼睛来测量，可能有人看是0.8米，有人看是1.2米，也有人看是1米。误差范围较大。然后闭上一只眼睛后，可能误差范围会减小一点。2.选择用软尺来测量，

原创 为模型选择正确的最后一层激活和损失函数

关于损失函数的选择，需要注意，直接优化衡量问题成功的指标不一定总是可行的。有时难以将指标转化为损失函数，要知道，损失函数需要在只有小批量数据时即可计算（理想情况下，只有一个数据点时，损失函数应该也是可计算的），而且还必须是可为的（否则无法用反向传播来训练网络）。例如，广泛使用的分类指标 ROC AUC 就不能被直接优化。因此在分类任务中，常见的做法是优化 ROC AUC 的替代指标，比如交叉熵。一般来说，你可以认为交叉熵越小，ROC AUC 越大。...

原创 数据预处理

数据预处理的目的是使原始数据更适合于神经网络处理，处理方法包括向量化、标准化、缺失值处理和特征提取。1.向量化神经网络的所有输入和目标都必须是浮点数张量（在特定情况下可以是整数张量）。无论处理什么数据（声音、图像还是文本），都必须首先将其转换为张量，这一步叫作数据向量化（data vectorization）。举例：y_train = np.asarray(train_labels).astype('float32') y_test = np.asarray(test_labels).a

原创 数据标准化

在由Keras之父、现任 Google 人工智能研究员的弗朗索瓦 · 肖莱（Francois Chollet）所著的书中提到 “用于测试数据标准化的均值和标准差都是在训练数据上计算得到的。在工作流程中，你不能使用在测试数据上计算得到的任何结果。”...

原创 （keras自学排雷）Layer lstm will not use cuDNN kernel

model = Sequential()model.add(LSTM(50,activation='relu',input_shape=(1,1)))model.add(Dense(1))model.compile(optimizer='adam',loss='mse')print(model.summary())使用keras搭建简单的LSTM神经网络的时候报错：WARNING:tensorflow:Layer lstm will not use cuDNN kernels since .

原创 keras思维导图

原创 （keras自学排雷）(unicode error) ‘unicodeescape‘ codec can‘t decode bytes in position 2-3报错的解决办法

pandas在读入本地csv文件时，运行读入代码pd.read_scv时报错SyntaxError: (unicodeerror) 'unicodeescape' codec can't decode bytes in position 2-3: tr。原因：引起这个错误的原因就是转义的问题。解决办法：在路径前面加r，即保持字符原始值的意思。data = pd.read_csv(r'C:\Users\99549\Desktop\boston_housing_data.csv')...

原创 （keras自学排雷）cannot import name ‘SGD‘ from ‘keras.optimizers‘报错的解决方法

keras自学排雷