python相关必备基础
以pandas、numpy为主
就想做一条闲鱼
这个作者很懒,什么都没留下…
展开
-
移除停用词篇
停用词把数据转换成计算机能理解的过程就是预处理过程。其中,预处理的主要形式就是过滤掉无用的数据。在自然语言处理中,无用的数据就是停用词(stop words)停用词有哪些?具体来说,在英文中的停用词就如a/an/the/in etc命令行查看停用词列表import nltkfrom nltk.corpus import stopwordsprint(stopwords.words("english"){‘ourselves’, ‘hers’, ‘between’, ‘your原创 2022-04-19 19:22:44 · 578 阅读 · 0 评论 -
【成功解决并安装tensorflow】记录遇到过的坑
我来更新啦!今天搞了一个上午,好几小时,呜呜呜~————————————————————————我最终在spyder上测试我安装成功的版本是2.8.0,如下图所示记录安装流程吧~首先你得有Anaconda,python环境等,这些我就跳过,直接上重点!我安装的是tensorflow 的python环境版本是3.6,一开始安装的是3.7,后来3.5,都会报错。(别问,我也不知道!)conda create --name tensorflow python=3.6 【注】环境在cmd或原创 2022-03-20 17:00:16 · 2276 阅读 · 0 评论 -
成功解决安装tensorflow,安装进度1/4,爆红一大片且有很多File出现timed out
之前安装几次(CPU),tensorflow总是出现一大片红。自己发现其中一个原因是python版本和tensorflow不对应。tensorflow 2.0.0 得和python3.5~3.7对应,我之前的版本是3.8.5,会出现不兼容情况,报错。一、解决1. 起因——超时2. 成功解决pip --default-timeout=100 install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple写上默认超时100,使用清原创 2022-03-20 14:06:12 · 2924 阅读 · 0 评论 -
机器学习介绍
机器学习介绍机器学习可以分为问题和模型(解决的方法)。问题又可以分为有监督学习和无监督学习。而有监督学习主要分为两大类:分类和回归问题。那么如何区分分类和回归问题呢?最大区别在于预测结果。若预测结果是连续值,那就属于回归问题;若属于离散问题,属于分类问题。一个重要的点:无论什么模型,一般都需要经过三个步骤:为假设函数设定参数,代入模型,计算得到预测值将预测值代入损失函数,计算出一个损失值通过得到的损失值,利用梯度下降等凸优化方法,不断调整假设函数的参数,使得损失值最小。...原创 2021-12-13 20:14:52 · 880 阅读 · 0 评论 -
matplotlib解决中文问题|pyplot在pycharm写法
1. Matplotlib解决中文问题加入即可成功显示import matplotlib as mplmpl.rcParams['font.sans-serif'] = ['SimHei']#SimHeri是中文字体名称mpl.rcParams['axes.unicode_minus'] = False2. pyplot 在pycharm的写法正常在python3里写:import matplotlib.pyplot as plt但我在pycharm这样导入,不出来图所以,更改成:f原创 2021-11-24 19:35:15 · 598 阅读 · 0 评论 -
Numpy基础
4.0 学习目标目标了解Numpy预算速度上的优势知道Numpy的数组内存块风格知道Numpy的并行化运算应用机器学习、深度学习各种框架的基础库4.1 Numpy的优势1 numpy什么是Numpy?Numpy是一个开源的python科学计算库,用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作。使用ndarray存储对象来处理多维数组,该对象是一个快速而灵活的大数据容量。2 ndarray如何创建?np.array()3 Numpy的优势是什么?原创 2021-11-01 21:59:51 · 410 阅读 · 0 评论 -
数据集无法拟合打分
问题最近学了点机器学习,处理了数据集(部分已转为编码),然后自己就开始对它进行划分训练集和测试集,拟合;后发现,无法成功,报错~原因:计算机是不处理非数值型的数据我当时的数据还有文本型......然后我将其删除,只留下了数值型数据,最后成功拟合成功!小白机器学习之旅,开启~...原创 2021-04-25 19:01:41 · 173 阅读 · 0 评论