- 博客(10)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 机器学习项目：房价预测
XGBoost回归预测import pandas as pdfrom sklearn.model_selection import train_test_split # 导入数据分割函数库from sklearn.model_selection import cross_val_scorefrom sklearn.metrics import mean_absolute_error # 导入误差计算函数库from sklearn.impute import SimpleImputer # 导入.
2021-04-11 20:20:28
885
原创 机器学习项目：泰坦尼克号幸存者预测
随机森林分类模型import pandas as pdfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selection import cross_val_scorefrom sklearn import preprocessing# 导入数据train_data = pd.read_csv(r"D:\xio习\python\python数据分析\案例\泰坦尼克\data\train.csv")t.
2021-04-11 20:15:36
672
原创 【利用python进行数据分析】学习笔记-第7章 数据清洗和准备——数据转换
7.3 字符串操作7.3.1 字符串对象方法# 以逗号分隔的字符串可以⽤split拆分成数段In [134]: val = 'a,b, guido' In [135]: val.split(',')Out[135]: ['a', 'b', ' guido'] # split常常与strip⼀起使⽤，以去除空⽩符（包括换⾏符）In [136]: pieces = [x.strip() for x in val.split(',')] In [137]: piecesO
2021-04-04 17:11:47
238
原创 【数值分析】python实现四阶亚当姆斯预测矫正方法
python代码import numpy as npimport matplotlib.pyplot as pltDT = np.array(input("份数：").split(' '))y0 = int(input("函数起点："))def f(y): return np.exp(-y)def Adams(t, y0): n = len(t) y = np.zeros(n) y[0] = y0 for i in range(0, n-1):.
2021-04-04 00:48:40
1143
原创 【数值分析】python实现四阶龙格库塔法
python代码import numpy as npimport matplotlib.pyplot as pltDT = np.array(input("份数：").split(' '))y0 = int(input("函数起点："))def f(y): return np.exp(-y)def Runge_Kutta(t, y0): n = len(t) y = np.zeros(n) y[0] = y0 for i in range(0, .
2021-04-03 21:49:33
4728
原创 【利用python进行数据分析】学习笔记-第7章 数据清洗和准备——数据转换
7.2 数据转换7.2.1 移除重复数据In [45]: data = pd.DataFrame({'k1': ['one', 'two'] * 3 + ['two'], ....: 'k2': [1, 1, 2, 3, 3, 4, 4]}) In [46]: dataOut[46]: k1 k20 one 11 two 12 one 23 two 34 one 35 two 46 t
2021-04-03 21:04:18
449
5
原创 【数值分析】python实现复化高斯积分
python代码import pandas as pdimport numpy as npimport math# 初始化表格x1, k1 = np.array([[0], [2]])x2, k2 = np.array([[0.5773502692], [1]])x3, k3 = np.array([[0.7745966692, 0], [0.5555555556, 0.8888888889]])x4, k4 = np.array([[0.861.
2021-04-03 20:56:12
1114
2
原创 【数值分析】python实现复化辛普森积分
python代码import numpy as npa, b = input("积分区间：").split(' ')n = int(input("子区间个数："))a = int(a)b = int(b)x_i = np.linspace(a, b, n+1) # 区间结点h = (b-a)/n# 原函数def f(x): return 4/(1+x**2)def piece(x_i, i, h): return h/6 * (f(x_i[i-1]) + 4.
2021-04-03 19:48:02
2605
原创 【数值分析】python实现拉格朗日插值及作图
python代码import numpy as npX = input("x的值：").split(' ')Y = input("y的值：").split(' ')x = input("要预测的值：")X = np.array(X).astype(np.float64)Y = np.array(Y).astype(np.float64)x = np.array(x).astype(np.float64)n = len(X)# 累乘函数def T(x, i, X): T.
2021-04-02 19:27:57
3281
2
原创 【利用python进行数据分析】学习笔记-第7章 数据清洗和准备——处理缺失数据
第7章 数据清洗和准备7.1 处理缺失数据7.1.1 查看缺失数据# pandas使⽤浮点值NaN（Not a Number）表示缺失数据。我们称其为哨兵值，可以⽅便的检测出来In [10]: string_data = pd.Series(['aardvark', 'artichoke', np.nan, 'avocado']) In [11]: string_dataOut[11]:0 aardvark1 arti
2021-04-01 15:37:52
287
2
yolov5训练bdd100k自动驾驶数据集模型文件
2022-05-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人