python3
文章平均质量分 83
hubingshabi
这个作者很懒,什么都没留下…
展开
-
python3中如何在列表,字典,集合中根据条件刷选数据
实际案例通用做法是:迭代data = [1, 2,4,5,6]res = []for x in data: if x>=6: res.append(x解决方案filter简介Python 内建的 filter()函数用于过滤序列。 和 map()类似, filter()也接收一个函数和一个序列。和 map()不同的时, filter()把传入的函数依次作用于每个元素,然...原创 2018-03-18 17:59:21 · 1463 阅读 · 0 评论 -
python3机器学习sklearn之线性回归(一)
0. 引言线性回归(Linear Regression)是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法线性回归利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模。 这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。本章介绍用线性模型处理回归问题。...原创 2018-05-02 21:48:05 · 130456 阅读 · 15 评论 -
python3机器学习sklearn之线性回归(二)
1. 多元线性回归可以看出匹萨价格预测的模型R方值并不显著(只有0.6620052929422553)。如何改进呢?回顾一下自己的生活经验,匹萨的价格其实还会受到其他因素的影响。比如,匹萨的价格还与上面的 辅料有关。让我们再为模型增加一个解释变量。用一元线性回归已经无法解决了,我们可以用更具一 般性的模型来表示,即多元线性回归 y=α+β1ax1+β2x2+.....+βnxny=α...原创 2018-05-03 16:05:04 · 9022 阅读 · 0 评论 -
python3 机器学习sklearn之简介
1.机器学习简介机器学习是实现人工智能的手段,其主要研究内容是如何**利用数据或经 验进行学习**,改善具体算法的性能 * 多领域交叉,涉及概率论、统计学,算法复杂度理论等多门学科 * 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用2.机器学习分类机器学习一般分为下面几种类别: * 监督学习 (Supervised Learn...原创 2018-05-04 23:30:50 · 3338 阅读 · 0 评论 -
python3中opencv图片读取与展示
图像入门目标在这里你将学会怎样读入一幅图像,怎样显示一幅图像,以及如何保存一幅图像你将学习这些函数:cv2.imread(),cv2.imshow(),cv2.imwrite()或者,您将学习如何使用Matplotlib显示图像读入图像使用函数cv2.imread()来读取图像。图像应该在工作目录中,或者应该给出图像的完整路径。imread(filename[,...原创 2018-04-29 18:52:54 · 11552 阅读 · 0 评论 -
knn k近邻算法 绝对干货!!!
k-近邻算法(k-neighbor,k-NN)是一种基于分类和回归的方法, 回归的值由k个最近的样例值的平均值作为预测决定,还可以基于距离远近进行加权平均,距离越近的样本权重越近。本节只讨论分类问题中的k近邻法。k近邻假设给定一个训练数据集,其中的实例类别已定(已有标签).在分类时,对新的实例,根据其k个最近邻的训练实例的类别(即选中的k个样本),通过多数表决(投票法)等方式进行预测新的实例的类...原创 2019-04-07 22:45:20 · 593 阅读 · 0 评论 -
Windows下python切换版本使用问题
windows 很方便的,不用卸载,直接安装新版,然后你就同时拥有两个 Python 版本了,这两个是共存的,用 py 命令来区分使用,比如 py -3.6 或 py -3.7 即可运行指定版本。还可以这样选择性用 pip,比如 py -3.6 -m pip --version...原创 2019-09-20 14:21:45 · 1063 阅读 · 0 评论 -
windows下使用aiomysql出现问题
报错:'_WindowsSelectorEventLoop' object has no attribute 'create_future'查了一下aiomysql的GitHub:RequirementsPython3.5.3+ PyMySQL原来python版本需要3.5.3+,自己的是3.5.0,所以报错了,更新python版本就解决了...原创 2019-09-20 15:05:49 · 751 阅读 · 0 评论