![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python3
文章平均质量分 80
会飞的Anthony
北京邮电大学在读博士
展开
-
基于 Python 的数据科学系列(10):案例研究 - 分类
加载和预处理数据:我们首先加载了训练集和测试集,并进行了必要的数据预处理,包括处理缺失值、类别不平衡和类别编码。标签编码和 One-Hot 编码:我们将类别数据转换为数值数据,以便机器学习算法能够处理。特征选择:我们选择了相关特征来进行模型训练。训练模型并进行交叉验证和网格搜索:我们使用了多种模型进行交叉验证,并通过网格搜索找到最佳模型参数。评估模型的性能和特征重要性:我们通过评估模型的性能和分析特征重要性来理解模型的行为。保存和加载模型进行推理:我们保存了训练好的模型,并进行了推理测试。原创 2024-08-13 00:15:00 · 1136 阅读 · 0 评论 -
基于Python的数据科学系列(9):案例研究 - 回归分析
在本篇文章中,我们详细探讨了如何使用 sklearn 进行回归分析。通过数据预处理、特征选择、模型训练与评估,我们发现随机森林回归在我们的数据集上表现最佳。特征重要性分析帮助我们理解了哪些特征对预测生命期望值最为重要。通过本系列的学习,从基础的 Python 编程知识到高级的数据科学技术,逐步深入,为读者提供了全面的学习路径。在本篇回归分析的基础上,我们探索了基于 Python 的数据科学中的重要环节和实践方法。希望通过这些知识,您能更好地理解和应用数据科学技术。原创 2024-08-12 00:45:00 · 752 阅读 · 0 评论 -
基于Python的数据科学(8):Matplotlib基础
在本篇文章中,我们深入探讨了Matplotlib库在数据可视化中的广泛应用。从简单的线条绘图、散点图到复杂的3D图形和表格,我们了解了如何利用Matplotlib强大的功能来创建各种类型的图表。此外,我们还学习了如何通过设置样式、美化图表以及在图表中添加注释和表格来增强图表的表现力。掌握这些技能将帮助我们更好地展示和分析数据,为我们的数据科学工作增添更多的可能性。希望通过本篇的学习,您能更自信地运用Matplotlib进行数据可视化,提升数据分析的效果和表达力。原创 2024-08-12 00:15:00 · 836 阅读 · 0 评论 -
基于Python的数据科学(7):Pandas基础
Pandas 是一个强大的Python库,专为数据操作和分析而设计。Pandas 提供了高效的数据结构和数据分析工具,特别适合处理带有标签的数据。本文将详细介绍Pandas的基本功能和用法。在本篇文章中,我们详细介绍了 Pandas 的基础知识,包括 Series 和 DataFrame 的创建、索引、切片、合并和聚合操作等。我们通过实际的代码示例演示了如何使用 Pandas 进行数据处理和分析,并完成了几个实际任务,以帮助大家更好地理解和掌握这些操作。原创 2024-08-10 01:00:00 · 853 阅读 · 0 评论 -
基于Python的数据科学(6):Numpy基础
在这一篇文章中,我们详细介绍了如何创建和操作Numpy数组,包括创建、属性查询、索引和切片、重新整形、连接和堆叠、向量化、广播、掩码和花式索引等操作。Numpy是数据科学和机器学习中非常重要的工具,它提供了高效的数组运算和广泛的数学函数库。掌握Numpy的基本操作是进行更复杂的数据处理和分析的基础。通过本文的学习,你应该已经熟悉了Numpy的基本用法,并能在实际数据处理过程中应用这些知识。希望这些内容能帮助你在数据科学的道路上打下坚实的基础。原创 2024-08-10 00:15:00 · 297 阅读 · 0 评论 -
基于Python的数据科学系列(5):类和异常处理
通过这篇文章,我们详细探讨了Python中的类和异常处理。在掌握了基本数据类型、列表、元组和字典之后,了解类的定义和使用将进一步增强我们的编程能力,使我们能够编写更加模块化和可重用的代码。同时,学会如何处理异常将使我们的代码更加健壮,能够应对运行时可能出现的各种错误。在数据科学和其他编程领域,面向对象编程和异常处理是不可或缺的技能。希望通过这篇文章,大家对这些概念有了更深入的理解,并能够在实际项目中灵活应用。原创 2024-08-09 00:45:00 · 699 阅读 · 0 评论 -
基于Python的数据科学系列(3):元组和字典
通过这篇文章,我们深入探讨了Python中的元组、字典和集合操作。我们学习了如何创建和操作这些数据结构,并通过一系列任务巩固了所学知识。元组提供了不可变的数据存储方式,适用于需要保护的数据;字典提供了键值对的数据存储方式,方便快速查找和更新;集合提供了一种无序且不重复的数据存储方式,适用于需要去重和集合操作的场景。掌握这些数据结构将使我们的代码更高效、更可靠。在接下来的文章中,我们将探讨异常处理、函数和类等高级特性,为大家编写复杂的Python程序打下坚实的基础。原创 2024-08-08 00:45:00 · 555 阅读 · 0 评论 -
基于Python的数据科学系列(4):函数
通过这篇文章,我们深入探讨了Python中的函数。我们学习了如何定义函数、返回值、使用默认参数、创建匿名函数以及函数参数的各种用法。函数是编程中非常重要的概念,它使我们的代码更加模块化、可重用和易于维护。在接下来的文章中,我们将探讨异常处理和类等高级特性,为大家编写复杂的Python程序打下坚实的基础。希望大家通过实践任务逐步提高编程技能,继续在数据科学的世界中探索。欢迎关注我的后续博文,我将分享更多关于人工智能、自然语言处理和计算机视觉的精彩内容。原创 2024-08-09 00:15:00 · 262 阅读 · 0 评论 -
基于Python的数据科学系列(2):列表
通过这篇文章,我们深入探讨了Python中的列表操作。我们学习了如何将字符串视为列表、创建列表、修改列表中的元素、添加和扩展列表、对列表进行排序、检查元素是否存在、遍历列表、进行集合操作、随机化列表、使用Itertools库、列表推导式以及处理嵌套列表。通过这些知识和练习任务,希望大家能够更加熟练地操作和理解Python中的列表,为进一步的数据科学学习打下坚实的基础。在接下来的文章中,我们将继续探讨元组、字典等数据结构,以及如何使用函数、类和异常处理来构建更复杂的程序。原创 2024-08-08 00:15:00 · 1395 阅读 · 0 评论 -
基于Python的数据科学系列(1):Python基础
Python官方教程通过这篇文章,我们初步介绍了Python编程的基本概念和操作,包括变量赋值、各种打印方法、布尔值、算术运算、类型之间的运算、条件语句和循环。我们还提供了一些练习任务,以帮助大家巩固所学的知识。通过这些基础知识的学习,读者将能够熟练掌握Python编程,为进一步学习数据科学和机器学习打下坚实的基础。在接下来的文章中,我们将深入探讨列表、元组和字典等数据结构,并介绍函数、类和异常处理等高级特性。希望大家通过实践任务逐步提高编程技能,逐步迈向数据科学的世界。原创 2024-08-07 00:45:00 · 819 阅读 · 0 评论 -
leetcode-最长回文子串
作者:LeetCode-Solution链接:https://leetcode-cn.com/problems/longest-palindromic-substring/solution/zui-chang-hui-wen-zi-chuan-by-leetcode-solution/来源:力扣(LeetCode)方法一:动态规划思路与算法class Solution: def longestPalindrome(self, s: str) -> str:转载 2020-09-23 11:27:58 · 216 阅读 · 2 评论