- 博客(6)
- 收藏
- 关注
RSS订阅原创 Python-pandas
pandas所包含的数据结构和数据处理工具的设计使得在Python中进行数据清理和分析非常快捷。pandas经常是和其他数值计算工具，例如Numpy和SciPy，以及数据可视化工具matplotlib一起使用。pandas支持大部分Numpy语言风格的数组计算，尤其是数组函数及没有for循环的各种数据处理。Numpy适合于处理同质型的数值类数组数据。pandas是用来处理表格型或异质型数据的。使用import pandas as pd 导入pandas包1.pandas的数据结构1.1ser
2022-03-20 16:29:57
2381
原创 数据分析与处理—Numpy
Numpy是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于Numpy的科学函数功能，将Numpy的数组对象作为数据交换的通用语。在数据分析过程中，要关注：1.在数据处理、清洗、构造子集、过滤、变换以及其他计算中进行快速的向量化计算2.常见的数组算法，比如sort、unique和set操作等3.高效的描述性统计和聚合/概述数据4.数据排列和相关数据操作，例如对异构数据进行merge和join5.使用数组表达式来表明条件逻辑，替代if-elif-else条件分支的循
2022-03-19 11:59:31
2400
原创 Python基础—函数
函数是Python中最基础、最重要的代码组织和代码复用方式。函数声明时使用def关键字，返回时使用return关键字def function(x,y,z=1.5): if z>1: return z*(x+y) else: return z/(x+y)如果Python达到函数的尾部时仍然没有遇到return语句，就会自动返回None。每个函数都可以由位置参数和关键字参数：关键字参数最常用于指定默认值挥着可选参数。在上面的示例中，x和y
2022-03-19 09:51:12
352
原创 Python数据分析与可视化-
对一个可微函数来说，理论上可以用解析法找到他的最小值：函数最小值就是导数为0的点。这一方法可以用在神经网络上，就是解析出最小损失函数所对应的所有权重值。可以使用以下步骤，沿着梯度的反方向更新权重，损失每次都会变小一点1）抽取训练样本x和对应目标y组成的数据批量2）在x上运行网络，得到预测值y_pred3）计算网络在这批数据上的损失，用于衡量y_pred和y之间的距离4）计算损失相对于网络参数的梯度（一次反向传播(backward pass)）5）将参数沿着梯度的反方向移动一点，比如w
2022-03-18 21:27:36
936
原创 神经网络—张量运算
深度神经网络学到的所有变换可以简化为数值数据张量上的一些张量运算1.逐元素运算relu运算和加法都是逐元素的运算，即该运算独立地应用于张量中的每个元素。这些运算非常适合大规模并行实现。可通过for循环来实现。下列代码为对逐元素relu运算的简单实现def naive_add(x,y): assert len(x.shape)==2#x,y为2D张量 assert x.shape==y.shape x=x.copy() for i in range(x.sh
2022-03-17 14:29:12
1412
原创 神经网络-张量
向量数据：2D张量，形状为(samples,features)其为最常见的数据。对这种数据集，每个数据点都被编码为一个向量，因此一个数据批量就被编码为2D张量（即向量组成的数组），其中第一个轴是样本轴，第二个轴为特征轴。时间序列数据或序列数据：3D张量，形状为(sample,timesteps,features )当时间（或序列顺序）对于数据很重要时，应该将数据存储在带有时间轴的3D张量中。每个样本可以被编码为一个有向量序列（即2D张量），因此一个数据批量就被编码为一个3D张量时间轴始.
2022-03-16 11:11:09
4487
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