Hello的World

人工智能结构图

XTXXTXX^TX不可逆时，或者是奇异矩阵时。θn=θn−α1m∑i=1m(hθ(x(i)−y(i))x(i)nθn=θn−α1m∑i=1m(hθ(x(i)−y(i))xn(i)\theta_n=\theta_n-\alpha\frac{1}{m}\sum_{i=1}^m(h_\theta(x^{(i)}-y^{(i)})x_n^{(i)}当0时：x(i)0=1x0(i)=1x_0^{(...

# -*- coding: utf-8 -*-# 摄像头头像识别import cv2import osclass myClassify: def __init__(self,path): self.path=path def myfacereg(self): video_capture = cv2.VideoCapture(0) ...

创建 DataFrame 数据类型 与 Sereis 不同，DataFrame 可以存在多列数据。一般情况下，DataFrame 也更加常用。1 通过 NumPy 数组创建 DataFrame # 定义时间序列作为 indexnum_arr=np.random.randn(6,4) # 传入 numpy 随机数组columns=['A','B','C','D'] # 将列表作...

返回结果含有’b,使用了以下的方法：dd={b'name': b'jack', b'age': b'22', b'id': b'223'}new_dd = {k.decode():v.decode() for k,v in dd.items()}print(new_dd)结果转化为{'name': 'jack', 'age': '22', 'id': '223'}...

1 修改 Series 索引 array=[1,2,3,4,5] s1=pd.Series(array) s1.index=[‘A’,’B’,’C’,’D’,’E’] # 修改后的索引 2 Series 纵向拼接 s4=s3.append(s1) 3 Series 按指定索引删除元素 s4=s4.drop(‘e’) # 删除索引为 e 的值 4 Series 修改指定索引元素 s...

Pandas 的数据结构：Pandas 主要有 Series（一维数组），DataFrame（二维数组），Panel（三维数组），Panel4D（四维数组），PanelND（更多维数组）等数据结构。其中 Series 和 DataFrame 应用的最为广泛。Series 是一维带标签的数组，它可以包含任何数据类型。包括整数，字符串，浮点数，Python 对象等。Series 可以通过标签来定位...

展平数组 a.ravel() 垂直拼合数组 np.vstack((a, b)) 水平拼合数组 np.hstack((a, b)) 沿横轴分割数组 np.hsplit(a, 3) 返回每列最大值 np.max(a, axis=0) 返回每行最小值np.min(a, axis=1) 返回每列最大值索引np.argmax(a, axis=0) 统计数组各列的中位数 np...

1 找出 DataFrame 表中和最小的列df = pd.DataFrame(np.random.random(size=(5, 10)), columns=list('abcdefghij'))print(df)df.sum().idxmin() # idxmax(), idxmin() 为 Series 函数返回最大最小值的索引值2 DataFrame 中每个元素减去每一行...

NumPy 的主要对象是多维数组 Ndarray。在 NumPy 中维度（dimensions）叫做轴（axes），轴的个数叫做秩（rank）。例如，下方数组是一个秩为 1 的数组，因为它只有一个轴，而轴的长度为 3。[1, 2, 3]又例如，下方数组的秩为 2。第一个维度长度为 2,第二个维度长度为 3。[[1., 2., 3.], [4., 5., 6.]]np....

贝叶斯方法源于英国数学家托马斯 贝叶斯为解决一个“逆概”的问题写的一篇文章。贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。按照乘法法则，可以立刻导出：P(A∩B) = P(A)*P(B|A)=P(B)*P(A|B)。如上公式也可变形为：P(B|A) = P(A|B)*P(B) / ...

import numpy as npworld=np.genfromtxt("world_alcohol.txt",dtype="str" ,delimiter=",")matrix=np.array([ [5, 10, 15], [10, 25, 30], [35, ...

import numpyworld= numpy.genfromtxt("world_alcohol.txt", delimiter=",", dtype="U75", skip_header=1)#读取数据，以“，”分隔print(type(world))vector = numpy.array([5, 10, 15, 20])print(vector.shape)...

Validation 和 Cross Validationimport numpy as npfrom sklearn import datasetsdigits = datasets.load_digits()X = digits.datay = digits.target测试train_test_splitfrom sklearn.model_selection import...