qq_44778404的博客

原创 安装方式

1.指令安装，如pip install2.手动安装

原创 tensorflow安装报错问题

安装: pip install tensorflow报错: 一开始使用pip install tensorflow==1.14.0安装，安装好了之后进入jupyter输入: import tensorflow as tf 时报错， 提示python停止工作，尝试了很多方法都没有解决，最后的解决方法是卸载重装(pip uninstall tensorflow)才解决，重装使用的指令是: pip install tensorflow...

原创 数据分析Day02_pandas

原创 数据分析Day01_02 numpy的使用总结

#说明: day01_01部分太简单，没有使用总结，都是一些理论

原创 lightgbm安装

直接cmd，用pip install lightgbm即可

原创 xgboost安装

直接用cmd中输入pip install xgboost即可

原创 meshgrid，ravel和c_的配合使用来创造点

x, y = np.linspace(data[:,0].min(), data[:,0].max(), 1000), np.linspace(data[:,1].min(), data[:,1].max(), 1000)X, Y = np.meshgrid(x,y) # meshgrid与ravel相反，一维变多维XY = np.c_[X.ravel(), Y.ravel()] # 注：meshgrid， ravel和c_几乎都是配合一起使用的# XY.shape是(1000000, 2)

原创 画3d图

from mpl_toolkits.mplot3d import Axes3Dplt.figure(figsize=(10,8))#gca = get current axesaxes = plt.gca(projection='3d')axes.scatter3D(data[:,0], data[:,1], data[:,2], s=200, c=kmeans.labels_) # s是size的意思axes.scatter3D(centers[:,0], centers[:,1], cen

原创 kmeans代码使用

from sklearn.cluster import kmeanskmeans = KMeans(3) # 或者kmeans = KMeans(n_cluster=3)kmeans.fit(data)

原创 将数据打乱shuffle

两种方式:1.from sklearn.utils import shuffleshuffle(data)np.random.shuffle(data)

原创 value_counts()值统计

原创 argsort索引排序

原创 数据分析---机器学习---特征缩放

说明: 一份样本中，绝大数的特征的取值范围是类似0-100的级别，突然发现有其中某个特征的范围是0-1000000，说明这个特征的范围肯定是有问题的，这时候就要用到特征缩放，将该特征收缩到与0-100的级别...

原创 自定义可视化函数---混合矩阵

1.定义:如下这样的矩阵就是混合矩阵2.作用:通过这样的可视化图形来看预测值和真实值的关系，可以直接看出召回率(查全率),和交叉表的作用类似3.代码#绘制真实值和预测值对比情况def plot_confusion_matrix(cm, classes, title='Confusion matrix', cmap=plt.cm.Blues): """ This functio

原创 sklearn框架的六大模块