机器学习
文章平均质量分 78
popcorn_min
这个作者很懒,什么都没留下…
展开
-
人工智能与机器学习
严格来说,人工智能是计算机科学下的一个分支,跨越了多种学科,包括计算机的基础,心理学,哲学等等.宽泛的理解一下就是,人类试图用机器复制"自己",甚至超越"自己".那么我们来简单的想象一下,制造一个"人类",可以用来干嘛?上天?下海?化身成光(tiga!!!eg.无人驾驶两足机器人还有很多很多…原创 2021-03-23 16:33:25 · 581 阅读 · 2 评论 -
ndarray的基本运算--附源码
import numpy as np逻辑运算score = np.random.randint(40, 100, (10, 5)) # 40`100生成10*5数组scorearray([[65, 92, 42, 52, 91], [41, 92, 82, 55, 95], [77, 66, 88, 94, 43], [75, 92, 53, 89, 86], [94, 59, 50, 60, 73], [57, 57, 6原创 2021-04-28 16:53:42 · 204 阅读 · 0 评论 -
matplotlib基础图像功能的实现
Table of Contents1 实现基础绘图功能1.1 绘制基本图像1.2 实现一些其它功能2 在一个坐标系中做出多个图像3 多个坐标系中画多个图实现基础绘图功能import matplotlib.pyplot as pltimport randomfrom pylab import mpl# 设置中文字体mpl.rcParams["font.sans-serif"] = ["S原创 2021-04-25 21:57:11 · 109 阅读 · 0 评论 -
综合案例 -- 北京租房数据统计分析
Table of Contents1 获取数据2 数据基本处理2.1 重复值和空值处理2.2 数据转换类型2.2.1 面积数据类型转换2.2.2 户型表达方式转换3 图标分析3.1 房源数量、 位置分布分析3.2 户型数量分析3.3 平均租金分析前言原始数据请点击import num原创 2021-04-25 21:41:40 · 5881 阅读 · 9 评论 -
2017年NBA球员数据分析
2017年NBA数据分析前言获取数据数据分析数据相关性基本数据排名分析Seaborn常用的三个数据可视化方法单变量:双变量多变量衍生变量的一些可视化实践-以年龄为例球队数据分析球队薪资排行按照球队综合实力排名利用箱线图和小提琴图进行数据分析前言原始数据可以通过我分享的资源获取NBA–2017年数据表import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns获取数据dat原创 2021-04-24 21:37:10 · 4438 阅读 · 2 评论 -
基于pandas,matplotlib,numpy的电影案例分析
电影案例分析前言我们想知道这些电影数据中评分的平均分,导演的人数等信息,我们应该怎么获取?对于这一组电影数据,如果我们想Rating,Runtime (Minutes)的分布情况,应该如何呈现数据?用pandas画图用matplotlib画图对于这一组电影数据,如果我们希望统计电影分类(genre)的情况,应该如何处理数据?import numpy as npimport pandas as pdimport matplotlib.pyplot as pltmovie = pd.read_csv(原创 2021-04-24 12:00:22 · 1195 阅读 · 1 评论 -
Pandas的基本数据结构使用
seriesseries的创建import pandas as pdimport numpy as nppd.Series(np.arange(9))0 01 12 23 34 45 56 67 78 8dtype: int32pd.Series([11,22,33,44],index=[1,2,3,4])1 112 223 334 44dtype: int64color_cou原创 2021-04-23 09:39:01 · 165 阅读 · 2 评论