Python精华
文章平均质量分 83
里面是笔者的关于Python的一些完整的代码,网上完整的比较稀有,有需要的进来吧!
佐佑思维
在读博士传递自己在做科研和写论文时学到或整理的技巧和资料;其中Python的内容纯属为自己的研究做准备,希望大家多多指教
展开
-
方便的数据二进制存储
数组存储。原创 2022-12-24 16:47:49 · 1119 阅读 · 0 评论 -
多目标决策之熵权法
熵权法根据各指标的变异程度,利用信息熵计算出各指标的熵权,再通过熵权对各指标的权重进行修正,从而得到较为客观的指标权重。原创 2022-11-12 14:08:22 · 3035 阅读 · 0 评论 -
生成一个报告
建立一个空白文档,然后在上面写文字、画图等原创 2022-06-27 14:48:26 · 378 阅读 · 0 评论 -
一句话理解:过拟合和欠拟合
目录过拟合欠拟合理想情况: 找到偏差和方差都很小的情况,即收敛且误差较小目前在许多任务中仍经常会出现过拟合等问题,还没有找到一个十分通用、有效的解决方法。过拟合过拟合(over-fitting):所建的机器学习模型在训练集中表现得过于优越,而在验证集和测试集中表现不佳。过拟合就是训练的时候效果很好(除了有用的特征外,模型还学到了很多没用的特征),但是在测试样本上的效果就很差(没用的特征干扰了模型的预测)。为什么会产生过拟合?一般是因为参数过多,后者样本过少,为了降低loss所致。总之就是参数原创 2022-02-16 11:18:24 · 806 阅读 · 0 评论 -
PCA主成分分析
目录 方法一:自己按照原理编写 1.1 代码 1.2 可视化贡献率 方法二:调用库 2.1 导入库 2.2 标准化 2.3 按照原始维度进行一次PCA,得到贡献率进行筛选维度 2.4 使用PCA进行降维到2维, 并查看降维后的结果 2.5 检验使用x和转换系数相乘后是否是降维后的拟合数据值 2.6 转换系数的可视化 2.7 数据降维可视化 与因子分析(FA)比较 方法一:自己按照原理编写 1.1 代码## pca特征降维# 导入相关模块import numpy as npimport seabo原创 2021-01-12 23:52:24 · 901 阅读 · 1 评论 -
Python的数据预处理
目录1、标准化——去均值和方差按比例缩放1.1、scale函数1.2、StandardScaler补充一个知识点:2、归一化——将特征缩放至特定范围内2.1、MinMaxScaler:归一到 [ 0,1 ]2.2、MaxAbsScaler:归一到 [ -1,1 ]3、缩放有离群值的数据4、核矩阵的中心化5、非线性转换5.1、映射到均匀分布sklearn.preprocessing 包提供了几个常见的实用功能和变换器类型,用来将原始特征向量更改为更适合机器学习模型的形式。一般来说,机器学习算法受益于数据集原创 2021-01-08 20:50:44 · 1738 阅读 · 0 评论 -
回顾佐佑2020年关于Python的文章整理汇总
目录 1、4月24日开始 2、第一步:装Python的升级版Anaconda 3、编译器Jupyter Notebook 4、咋上手Python呢 5、小编的例子:生成随机数 6、小编的实用屏幕识别翻译小工具 7、小编的例子:想拉取txt文件的数据怎么办? 8、小编的例子:存储数据到txt文件 9、小编的例子:利用zip函数写循环语句 10、小编的例子:Python的格式化输出 11、小编的例子:神经网络 12、小编的特有例子:对应于正态分布的拉丁超立方抽样——Python版 13、小编的例子:print数原创 2020-12-23 22:09:31 · 369 阅读 · 0 评论 -
深度理解受试者工作特征(ROC)曲线
目录1、分类结果混淆矩阵举例:2、ROC举例:3、AUC4、Python代码我们通常使用ROC和AUC来衡量分类算法在二分类问题上表现的好坏。参考:https://zhuanlan.zhihu.com/p/464385281、分类结果混淆矩阵在二分类问题上,可将样例根据其真实类别和分类模型预测的类别分为如下四种(1表示类别为真,0表示类别为假):真正例TP(true postive):样本真实类别为1,学习模型预测的类别也为1;假正例FP(false postive):样本真实类别为0,学习模原创 2020-12-23 18:03:06 · 11458 阅读 · 0 评论 -
2020年12月TensorFlow -gpu的安装:win10配置Anaconda3(Python3.8)+NVIDIA CUDA(10.0)+cuDNN (v7.6.5)加速库
A Neural Network Playground可以尝试调节参数从而使得黄色点只在黄色区域,蓝色点只在蓝色区域原创 2020-12-15 23:43:33 · 855 阅读 · 1 评论 -
python简单几步制作完整可视化的窗口
root.quit()导致mainloop退出。解释器仍然完整无缺,所有小部件也一样。如果调用此函数,则可以使代码在调用之后执行root.mainloop(),并且该代码可以与小部件交互(例如,从输入小部件获取值)。调用root.destroy()将破坏所有小部件并退出mainloop。调用之后的任何代码root.mainloop()都将运行,但是任何访问任何窗口小部件的尝试(例如,从条目窗口小部件获取值)都将失败,因为该窗口小部件不再存在。...原创 2020-12-12 11:53:40 · 9920 阅读 · 0 评论 -
利用Python自制批量下载文献程序
批量下载文献1、导入库2、打开网站并设置网页初始选项3、关键词搜索4、选择下载格式及批量下载到几页5、开始批量下载 打包后的PyCNKi.exe程序同步佐佑思维公众号二维码如下:1、导入库from selenium import webdriverfrom selenium.webdriver import ChromeOptionsfrom selenium.webdriver.chrome.options import Optionsimport openpyxlimport reimpo原创 2020-12-12 10:42:22 · 3686 阅读 · 2 评论 -
飞机轨迹路线规划:数学模型Python第二次练习题
Python数模1、读取datal.xlsx文件并赋值给data2、请完成以下内容 2.1、分点并画图2.2、计算并存入Excel文件 3、 ★佐佑思维二维码★1、读取datal.xlsx文件并赋值给data读取datal.xlsx,将B列、C列、D列、E列第3行到第615行的数据读取出来,赋值给dataimport pandas as pdio = r'E:\\博士_seu\\数学模型\\02\\data1.xlsx' #io,Excel的存储路径sheet_name=0 #sheet_na原创 2020-11-22 18:50:43 · 1816 阅读 · 0 评论 -
用Python读取txt文件并执行里面的内容
exec函数1 exec函数1.1 函数功能介绍:1.2 参数介绍:2 代码3 注意1 exec函数exec(source, globals=None, locals=None)1.1 函数功能介绍:内置函数exec可以动态的执行复杂的代码片段内置函数exec可以执行文件中的python代码1.2 参数介绍:source — 文件内容或者代码段globals — 缺省参数,默认为空,变量作用域,全局命名空间,如果被提供,则必须是一个字典对象locals — 缺省参数,默认为空,变原创 2020-11-17 13:53:01 · 2753 阅读 · 0 评论 -
可怕的!数学建模——2019F题详细过程解
数学建模2019F题1 数学模型决策变量:约束条件:目标函数:2 Python代码—利用Python进行数据筛选、模型建立及求解全过程1) 之前的工作—生成dist矩阵2) 进行边权值的筛选3) 模型计算前需要进行的一些准备工作4) 建立模型并求解3 输出结果 ★佐佑思维公众号提供更多学习学术服务★ 二维码如下: 如有问题欢迎公众号交流1 数学模型决策变量:xijx_{ij}xij代表在或不在最短轨迹上;非负变量viv_{i}vi、hih_{i}hi 代表误差 。xij={1(i,j)∈P原创 2020-11-09 18:27:36 · 1540 阅读 · 0 评论 -
scipy.optimize.linprog函数参数最全详解
scipy.optimize.linprog函数1、线性规划概念2、输入格式3、参数设置:4、输出格式:5、若需实例,请挪步“佐佑思维”公众号→回复免费 6、 ★佐佑思维二维码★1、线性规划概念定义:在线性等式和不等式约束下,最小化线性目标函数。minx cTxs.t. Aubx≤bub,Aeqx=beq,l≤x≤u\underset{x}{min}\ c^{T}x\\s.t. \ A_{ub}x \le b_{ub},\\A_{eq}x = b_{eq},\\l \l原创 2020-10-18 10:53:13 · 18015 阅读 · 13 评论 -
秒懂神经网络并利用一行Python代码建立——代码详细参数思维导图,个人见解,希望可以帮助小白
神经网络0、原理0.1、一个简单的例子0.2、神经网络的核心结构是什么呢?0.3、建立神经网络0.4、神经网络的计算原理——误差逆传播算法6、推荐书单《Python神经网络编程》 ★佐佑思维二维码★0、原理神经网络就是利用计算器的计算功能来实现一种预测!这个预测结果的本质就是数字0.1、一个简单的例子一台计算机对”3×4“的输入进行处理,它的处理也许就是将乘法转化为相对更简单的加法,如何输出结果”12“其实神经网络的核心就是在修改中间部分,将其按照一定的结构编写,最终输出预测的结果。原创 2020-08-01 15:33:33 · 647 阅读 · 0 评论 -
三种方法、三行代码生成指定分布的随机数
生成随机数1、需要导入的库1、需要导入的库如前介绍正态分布随机变量拉丁超立方抽样的那篇博客。原创 2020-07-31 13:37:31 · 638 阅读 · 0 评论 -
对应于对数正态分布的拉丁超立方抽样——Python版
拉丁超立方抽样-对数正态分布0、拉丁超立方抽样的理论基础1、导入库和基本准备2、生成(具有对数正态分布的随机变量)参数的随机数3、将生成的随机数输出到Excel中4、将生成的随机数输出到图像中5、代码肯定可以实现抽样,若需一步一步的更详尽解释,请“挪步”佐佑思维公众号→免费、有问必答! 6、 ★佐佑思维二维码★0、拉丁超立方抽样的理论基础如前介绍正态分布随机变量拉丁超立方抽样的那篇博客。1、导入库和基本准备#开头的基础设置from __future__ import divisionimport原创 2020-09-11 19:49:23 · 2368 阅读 · 0 评论 -
对应于正态分布的拉丁超立方抽样——Python版
拉丁超立方抽样-正态分布1、前期准备2、生成两个(具有正态分布的随机变量)参数的随机数2.1、生成第一个参数的随机数2.2、生成第二个参数的随机数3、将生成的随机数输出到Excel中4、将生成的随机数输出到图像中1、前期准备#开头的基础设置from __future__ import divisionimport mathimport numpy as npimport matplotlib.pyplot as plfrom numpy.random import RandomState #引原创 2020-09-11 19:49:41 · 6178 阅读 · 1 评论