- 博客(12)
- 收藏
- 关注
RSS订阅原创 pandas简单入门
import pandas as pdimport numpy as npdf = pd.DataFrame(np.random.randn(10,5), columns=['col1', 'col2', 'col3', 'col4', 'col5'])print(df)df.apply(lambda x: x.sum(), axis=1)print(df)def process_age(x): age = x[2] if age > 0 and age < 3
2021-06-02 09:22:04
74
原创 Numpy简单入门
import numpy as npfrom matplotlib import pyplot as plta = np.array([[1,2], [2,4], [3,3]]); print(a)b = np.arange(10); print(b)b = np.arange(3,7,2);print(b)c = np.array([[1, 2], [3, 4]]); print(c)c = np.array([[1, 2, 3], [3, 4, 2], [3, 4, 2]]); d
2021-06-02 09:16:36
73
原创 python基本语句傻瓜式入门
import timeprint(time.localtime())#pandas pb, numpy np, tensorflow tfimport time as t # numpy as np, pandas as pd, tensorflow as tfprint(t.localtime())# from a.b.c import dfrom time import timeprint(time())from time import *print(localtime())# p
2021-06-01 11:18:05
154
原创 机器学习入门训练6-数学入门操作
x = np.random.normal(0, 1, [1000]) y = x ** 2 + x + np.random.normal(0, 0.3, [1000]) plt.scatter(x, y) plt.show()def Cov(x1, x2): """协方差""" return np.mean((x1-np.mean(x1))*(x2-np.mean(x2)))def rho(x1, x2): """线性相关系数""" return Cov(x1,
2021-06-01 11:02:47
69
原创 机器学习入门训练5-图像操作
# 浮雕滤波kernel = np.array([[-2, -1, 0], [-1, 1, 1], [0, 1, 2]], dtype="float32")# 平均模糊 #kernel = np.ones([8, 8])/64 ## 纵向边缘 ##kernel = np.ones([8, 8]) #kernel[:, :4] = -1 # 横向边缘 #kernel = np.ones([8, 8]) #kern
2021-06-01 10:55:41
208
原创 机器学习入门训练4-梯度下降
负梯度def f(x): """定义函数""" return x ** 2 + 2 * x def gradf(x): """导数""" return 2 * x + 2 x0 = 0 # 初始值eta = 1e-4 #学习率for step in range(20): g = gradf(x0) # 减去梯度（导数）方向 x0 = x0 - eta * g print(f"Setp:{step}, {x0}, {f(x0)
2021-06-01 10:42:21
102
原创 机器学习入门训练3-从KNN引申出的几个API
KNN的基本用法k_range = range(1, 31)k_scores = []for k in k_range: knn = KNeighborsClassifier(n_neighbors=k) scores = cross_val_score(knn, X, y, cv=3, scoring='accuracy') # for classification k_scores.append(scores.mean())# (1) test train split
2021-06-01 10:35:30
72
原创 机器学习入门训练2-KNN的实现
knn一般指邻近算法，是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的K个邻近值来代表。
2021-05-29 20:50:25
136
原创 机器学习入门训练1-简单的数据构造
1.对于学习来说，一开始对一些简单数学问题构造数据往往是比较容易理解的，这里把样本中的数字对3、5、15分别取余，找出其倍数。def func(max): res = [] for i in range(1, max): if i % 15 == 0: res.append('fizzbuzz') elif i % 3 == 0: res.append('fizz') elif i % 5 ==
2021-05-29 20:39:11
310
原创 深度学习常用概念
1.Batchnorm 能够加快训练过程，还具有调节噪声的作用。2.GAN（Generative Adversarial Network）即生成对抗网络，通常由两个神经网络 D 和 G 组成，其中 D 指的是判别器（Discriminator），而 G 指生成网络（Generative Network）。3.数据扩充是一种技术，通过操作原始数据来增加输入数据。对于图像可以执行以下操作：旋转图像、翻转图像、添加高斯模糊等。4.Adam每个参数更新可加快收敛速度；动量可避免卡在鞍点上。5.鞍点是梯度为
2021-05-28 22:36:51
177
原创 机器学习常用概念
1.偏差——模型预测值与真实值的差异；方差——不同训练数据训练的模型的预测值之间的差异。2.监督学习和非监督学习区别在于有无标签。3.k-Nearest Neighbors 是一种监督学习算法，而 k-means 是非监督的。4.ROC 曲线是真正率和假正率在不同的阀值下之间的图形表示关系；通常用作权衡模型的敏感度与模型对一个错误分类报警的概率。5.贝叶斯定理会根据一件事发生的先验知识告诉你它后验概率。6.朴素贝叶斯:我们假设特征之间是相互独立，也就是我们计算条件概率时可以简化成它的组件的条
2021-05-28 16:29:42
230
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人