厚积而薄发

《第四讲 语料清洗》密码：uipf 第四讲 语料清洗

一、数据集 sklearn.datasets from sklearn.datasets import load_iris iris = load_iris() iris.keys() iris.data.shape # (150,4) iris.target.shape iris.data iris.featurs_names 玩具数据集 鸢尾花数据集 葡萄酒数据集 波士顿房价数据集 手写数字数据集 乳腺癌数据集 糖尿病数据集 体能训练数据集 大数据集 生成数据集 from sklearn.da

一、Numpy Numpy与平Python自带的的array不同，后者只能处理一维数据 ndarray.itemsize：数组中每个元素所占内存的字节数 ndarray.data：容纳数组元素的缓冲区地址。通常不需要使用此属性，只需使用索引访问数组中的元素即可， a[1] np.logspace(0,5,5,) # 等比数列 #求逆矩阵 import numpy.linalg as lg # 线性代数：linear algebra lg.inv(ndarray) 矩阵的点乘就是矩阵相乘 二、Matpl

水个博客 恒等运算符：is is not 运算符的优先级 list.sort()原地排序 sorted()返回新排序 交集& 并集| 差集- 对称差集^ NLU：如何让计算机理解人类语言 NLG：如何让计算机自动生成语言