Python学习之路
一梦花海
大学生学习计算机
展开
-
anaconda下载catboost
一、出现的问题首先在anaconda终端输入以下命令:conda install catboost后来还是发生了报错:Collecting package metadata (current_repodata.json): failedCondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda....原创 2020-05-06 19:13:47 · 1912 阅读 · 3 评论 -
pandas_02基础 之索引那些事
一、单级索引1. loc方法、iloc方法、[]操作符最常用的索引方法可能就是这三类,其中iloc表示位置索引,loc表示标签索引,[]也具有很大的便利性,各有特点(a)loc方法 ① 单行索引:import numpy as npimport pandas as pddf = pd.read_csv('joyful-pandas/data/table.csv',in...原创 2020-05-05 19:27:02 · 237 阅读 · 0 评论 -
Task5 模型结果融合
文章目录Task5 模型结果融合5.1 模型融合目标5.2 内容介绍5.3 代码实战5.3.1 模型定义5.3.2 划分数据集进行训练和预测5.3.3 简单加权融和5.3.4 Stacking 融合5.4 经验总结Task5 模型结果融合5.1 模型融合目标对于多种调参完成的模型进行模型融合。完成对于多种模型的融合,提交融合结果并打卡。5.2 内容介绍模型融合是比赛后期一个...原创 2020-04-03 15:27:33 · 502 阅读 · 0 评论 -
Task4:建模与调参
目录4.1 学习目标4.2 内容介绍4.3 相关原理介绍与推荐4.3.1 线性回归模型4.3.2 决策树模型4.3.3 GBDT模型4.3.4 XGBoost模型4.3.5 LightGBM模型4.3.6 推荐教材:4.4 代码示例4.4.1 简单建模4.4.2 随机森林建模及调参4.4.3 lightgbm 模型以及调参4.1 学习目标...原创 2020-03-31 20:20:20 · 387 阅读 · 0 评论 -
Task3:数据的特征工程
目录Task3:数据的特征工程1.特征工程目标2.内容介绍3.示例分析3.1 删除异常值3.2 特征构造3.3经验总结Task3:数据的特征工程1.特征工程目标对于特征进行进一步分析,并对于数据进行处理完成对于特征工程的分析,并对于数据进行一些图表或者文字总结并打卡。2.内容介绍常见的特征工程包括:异常处理: 通过箱线图(或 ...原创 2020-03-26 15:51:29 · 521 阅读 · 0 评论 -
数据挖掘_task2数据探索分析EDA
文章目录1.EDA-数据探索性分析1.1 EDA目标1.2 内容介绍2.代码示例2.1 载入各种数据科学以及可视化库2.2 载入数据2.3 总揽数据情况2.4 数据缺失值的处理2.4 数据可视化1.EDA-数据探索性分析1.1 EDA目标EDA的价值主要在于熟悉数据集,了解数据集,对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。当了解了数据集之后...原创 2020-03-22 20:45:22 · 407 阅读 · 0 评论 -
pytorch task05 卷积神经网络
pytorch task05 卷积神经网络文章目录pytorch task05 卷积神经网络1.卷积神经网络基础1.1二维卷积层1.2填充和步幅1.3多输入通道和多输出通道1.4卷积层与全连接层的对比1.5池化2. 经典模型LeNet-5AlexNetVGGGoogLeNet (Inception)ResNet退化问题残差网络的解决办法3.卷积神经网络模型搭建Convolutional ...原创 2020-02-19 18:28:14 · 313 阅读 · 0 评论 -
pytorch task04动手学pytorch-机器翻译
pytorch task04动手学pytorch-机器翻译文章目录pytorch task04动手学pytorch-机器翻译1. 机器翻译与数据集1.1数据集预处理1.2 创建dataloader2. Encoder Decoder3. Sequence to Sequence3.1 结构3.2 代码实现4. 实验5.注意力机制5.1注意力机制框架5.2 实验部分1. 机器翻译与数据集...原创 2020-02-18 16:26:25 · 570 阅读 · 0 评论 -
pytorchTask03打卡
pytorchTask03打卡文章目录pytorchTask03打卡1.过拟合、欠拟合以及解决方案1.1训练误差和泛化误差1.2验证数据集与K-fold验证1.3过拟合和欠拟合1.4导致过拟合和欠拟合的关键因素2.L2正则化3.drop out4.循环神经网络进阶4.1 RNN简介4.1.1RNN的起因4.1.2为什么需要RNN4.1.3RNN都能做什么4.1.4 LSTM4.1.5 GRU4....原创 2020-02-18 15:47:26 · 559 阅读 · 0 评论 -
Pytorch学习进阶之第一次打卡
Pytorch学习进阶之第一次打卡文章目录Pytorch学习进阶之第一次打卡1.线性回归1.1 线性回归基础介绍1.2 代码实现基本线性回归2.Softmax与分类模型2.1获取和读取数据2.2定义和初始化模型]2.3 softmax和交叉熵损失函数2.4定义优化算法2.5训练模型小结3 多层感知机的简洁实现]3.1定义模型]3.2读取数据并训练模型1.线性回归1.1 线性回归基础介绍...原创 2020-02-14 15:14:52 · 429 阅读 · 0 评论 -
机器学习第三天:线性多元回归
机器学习第三天:线性多元回归文章目录机器学习第三天:线性多元回归多元线性回归基本概念具体实现步骤第一步: 数据预处理导入库导入数据集将类别数据数字化**躲避虚拟变量陷阱**拆分数据集为训练集和测试集在训练集上训练多元线性回归模型在测试集上预测结果知识点详解关于多元线性回归关于OneHotEncoder()编码关于toarray()虚拟变量陷阱虚拟变量陷阱多元线性回归基本概念与简单线性回归相比...原创 2019-08-06 16:30:48 · 745 阅读 · 0 评论 -
机器学习线性回归之梯度下降
机器学习线性回归之梯度下降梯度下降的作用梯度下降是用来一个求最小函数的算法,在这里用梯度下降算法来求出代价函数的最小值。梯度下降的思想开始时随机选择一个参数的组合(θ0,θ1,…,θn)【初始化参数值】,计算代价函数,然后寻找下一个能让代价函数值下降最多的参数组合。持续这么做直到到到一个局部最小值(local minimum),因为我们并没有尝试完所有的参数组合,所以不能确定我...原创 2019-08-05 20:31:36 · 319 阅读 · 0 评论 -
机器学习代价函数
1.机器学习关于代价函数(1)梯度下降的场景假设梯度下降法的基本思想可以类比为一个下山的过程。假设这样一个场景:一个人被困在山上,需要从山上下来(i.e. 找到山的最低点,也就是山谷)。但此时山上的浓雾很大,导致可视度很低。因此,下山的路径就无法确定,他必须利用自己周围的信息去找到下山的路径。这个时候,他就可以利用梯度下降算法来帮助自己下山。具体来说就是,以他当前的所处的位置为基准,寻找这...原创 2019-08-05 14:41:14 · 987 阅读 · 0 评论 -
字符串和常用数据结构
使用字符串第二次世界大战促使了现代电子计算机的诞生,当初的想法很简单,就是用计算机来计算导弹的弹道,因此在计算机刚刚诞生的那个年代,计算机处理的信息主要是数值,而世界上的第一台电子计算机ENIAC每秒钟能够完成约5000次浮点运算。随着时间的推移,虽然对数值运算仍然是计算机日常工作中最为重要的事情之一,但是今天的计算机处理得更多的数据都是以文本信息的方式存在的,而Python表示文本信息的方式...原创 2019-07-14 11:35:01 · 235 阅读 · 0 评论 -
初识Python
Python的历史1989年圣诞节:Guido von Rossum开始写Python语言的编译器。 1991年2月:第一个Python编译器(同时也是解释器)诞生,它是用C语言实现的(后面又出现了Java和C#实现的版本Jython和IronPython,以及PyPy、Brython、Pyston等其他实现),可以调用C语言的库函数。在最早的版本中,Python已经提供了对“类”,“函数”...原创 2019-07-14 09:24:35 · 136 阅读 · 0 评论