- 博客(5)
- 收藏
- 关注
RSS订阅原创 python用jieba进行分词并可视化
python用jieba进行分词并可视化import jiebaimport pandas as pdimport matplotlib.pyplot as plttxt = open("news.txt",encoding='UTF-8').read()words = jieba.lcut(txt)result = open('results.txt','w',encoding='UTF-8')result.write(' '.join(words))counts = {}for wo
2020-10-29 18:55:39
1412
原创 C语言考研复试知识点整理
C语言考研复试知识点整理1.由float x=3e-6,y=3e-6;不能得到x= =y的逻辑值为真。解析：float类型的变量只能进行>或<运算，不能进行==运算2.自增和自减运算：int a=5；a++；使用时a=5；使用完a=a+1；a=6；int a=5；++a；使用前a=a+1；使用时a=6；3.只有在使用时才为该类型变量分配内存的存储类型是auto和regist...
2020-10-29 18:39:45
3818
2
原创 python 导入库：from scipy.misc import imread出错问题
这是因为scipy库中的imread要被弃用也就是不能用了，这时需要改成这样from imageio import imread
2020-10-15 13:35:58
1038
1
原创 python 利用jieba读取txt文本进行分词后存入新txt
python 利用jieba读取txt文本进行分词后存入新txtimport jiebatxt = open("news.txt",encoding='UTF-8').read()words = jieba.lcut(txt)result = open('results.txt','w',encoding='UTF-8')result.write(' '.join(words))counts = {}for word in words: if len(word) == 1:
2020-10-12 16:32:25
10353
2
原创 时间序列预测---差分自回归移动平均模型（ARIMA模型）
ARIMA模型简介1. 数据平稳性了解ARIMA模型就要先了解数据的平稳性，样本数据获得的时间序列，在未来一段时间沿着一个“趋势”发展下去，只有具有平稳性的数据才可以做预测平稳性的数据均值和方差不发生明显变化方差越大数据的波动越大平稳性分为严平稳和弱平稳严平稳：严平稳表示的分布不随时间的改变而改变，如：白噪声，无论怎么取，都是期望为0，方差为1；弱平稳：期望与相关系数不变，未来某时刻的t值Xt就要依赖于它的过去信息，所以需要依赖性；2. 差分法时间序列在t与t-1时刻的差值
2020-10-08 17:09:10
11072
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人