Python
主力语言
EdVzAs
写下自己的学习笔记
展开
-
Python 第三方模块 统计2 patsy,chowtest
官方文档:https://pypi.org/project/patsy/一.概述1.简介:patsy是1个用于描述统计模型(尤其是线性模型或具有线性组件的模型)和构建设计矩阵的Python库.其受R/S语言中的公式迷你语言启发并与之兼容,为Python带来了"R公式"(R "formulas")的便利性2.安装:pip install patsy二.使用...原创 2021-10-30 21:06:37 · 1441 阅读 · 0 评论 -
Python 第三方模块 科学计算 Quantecon模块
一.简介1.功能:quanrecon是1个用于计量经济学的高性能开源Python库2.安装:pip install quantecon原创 2021-10-29 18:15:46 · 1080 阅读 · 0 评论 -
Python 第三方模块 开发工具3 环境管理
一.pip项目官网:https://pypi.org/project/pip/一.pyenv模块项目官网:https://github.com/pyenv/pyenv1.简介(1)功能:Python环境的管理存在如下问题:1.Python版本混乱,尤其是Py2和Py3差别巨大2.不同Linux发行版自带Python版本不同,同时许多系统组件依赖于自带解释器,删除或更改可能导致系统出现问题3.难以对不同Python解释器的软件包进行管理并保证互不干扰pyenv是1个来自Ruby社区的简单原创 2021-07-13 00:14:39 · 157 阅读 · 1 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习4 线性模型2
一.linear_model3.线性回归器(2)带有变量选择的线性回归器(Linear regressors with variable selection):以"L1范数"(L1 priors)和"L2范数"(L2 priors)的混合作为"正则化器"(regularizer)的"弹性网络回归模型"(Elastic Net Regression model):class sklearn.linear_model.ElasticNet([alpha=1.0,l1_ratio=0.5,fit_inter原创 2021-04-29 20:46:35 · 487 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习6 集成学习
一.calibration1.简介:该模块用于进行"概率校准"(Probability Calibration)2.使用(1)类:基于"保序回归"(isotonic regression)或"逻辑回归"(logistic regression)的概率校准:class sklearn.calibration.CalibratedClassifierCV([base_estimator=None,method='sigmoid',cv=None,n_jobs=None,ensemble=True])原创 2021-04-22 22:20:18 · 213 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习4 线性模型1
一.semi_supervised1.简介:该模块用于进行"半监督学习"(semi-supervised learning)2.使用:"标签传播分类器"(Label Propagation classifier):class sklearn.semi_supervised.LabelPropagation([kernel='rbf',gamma=20,n_neighbors=7,max_iter=1000,tol=0.001,n_jobs=None]) #参数说明: kernel:指定使用的原创 2021-04-22 18:19:32 · 255 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习3 朴素贝叶斯,KNN
一.naive_bayes1.简介:该模块实现了"朴素贝叶斯算法"(Naive Bayes algorithms)2.使用:"伯努利朴素贝叶斯分类器"(Bernoulli Naive Bayes Classifier):class sklearn.naive_bayes.BernoulliNB([alpha=1.0,binarize=0.0,fit_prior=True,class_prior=None])"类别朴素贝叶斯分类器"(Categorical Naive Bayes Classifi原创 2021-04-22 15:52:41 · 254 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习2 多类别分类,多输出学习,半监督学习
一.multiclass1.简介:该模块用于进行"多类别分类"(Multiclass classification),包括3类算法:①"1对其余"(one-vs-the-rest;OvR)/"1对全体"(one-vs-all;OvA)②"1对1"(one-vs-one;OvO) ③"纠错输出码"(error correcting output codes).该模块中提供的分类器均为元估计器,需要提供1个基本估计器(如2类别分类器或回归器)2.使用(1)1对多:1对多分类器:class skl原创 2021-04-22 15:50:32 · 521 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 数据降维
一.feature_extraction1.简介:该模块用于对原始数据进行"特征提取"(feature extraction)2.使用:将"特征值映射列表"(lists of feature-value mappings)转换为矢量:class sklearn.feature_extraction.DictVectorizer([dtype<class 'numpy.float64'>,separator='=',sparse=True,sort=True])实现"特征哈希"(fea原创 2021-04-22 12:59:48 · 339 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 其他
一.calibration1.简介:该模块用于进行"概率校准"(Probability Calibration)2.使用(1)类:基于"保序回归"(isotonic regression)或"逻辑回归"(logistic regression)的概率校准:class sklearn.calibration.CalibratedClassifierCV([base_estimator=None,method='sigmoid',cv=None,n_jobs=None,ensemble=True])原创 2021-04-22 12:35:17 · 446 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习1 交叉分解,高斯过程,保序回归
一.multiclass1.简介:该模块用于进行"多类别分类"(Multiclass classification),包括3类算法:①"1对其余"(one-vs-the-rest;OvR)/"1对全体"(one-vs-all;OvA)②"1对1"(one-vs-one;OvO) ③"纠错输出码"(error correcting output codes).该模块中提供的分类器均为元分类器,需要提供1个基本分类器(如2类别分类器或回归器)2.使用(1)1对多:1对多分类器:class skl原创 2021-04-21 18:00:38 · 519 阅读 · 1 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习5 ANN,决策树
一.metrics1.简介:该模块包含各种"评分函数"(score functions)/"性能指标"(performance metrics)/"成对指标"(pairwise metrics)/"距离计算"(distancecomputations),用于对模型效果进行定量评估2.模型选择接口(Model Selection Interface):通过用户选择确定"计分器"(scorer):[<scoring>=]sklearn.metrics.check_scoring(<原创 2021-04-15 23:23:20 · 641 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 无监督学习1 聚类2
一.kernel_approximation1.简介:该模块基于"傅立叶变换"(Fourier transforms)与"计算草图"(Count Sketches)实现了一些"近似核特征映射"(approximate kernel feature maps)2.使用:"加性卡方核"(additive chi2 kernel)的"近似特征映射"(Approximate feature map):class sklearn.kernel_approximation.AdditiveChi2Sample原创 2021-04-13 19:58:47 · 266 阅读 · 0 评论 -
Python 第三方模块 常用工具2
一.funcy模块1.概述(1)简介:funcy模块中封装了一些花哨的实用函数,用于帮助用户以函数式的风格进行编程(2)安装:pip install funcy2.使用(1)类:无限计数器:class funcy.count([firstval=0,step=1]) #参数说明: firstval,step:分别指定起始值/步长;均为int(2)方法:展平嵌套数组:fc.flatten(<seq>[,follow=is_seqcont]) #参数说明:原创 2021-04-12 21:50:31 · 140 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 无监督学习2 协方差估计,流形学习,高斯混合模型
一.isotonic1.简介:该模块用于进行"保序回归"(Isotonic regression)2.使用(1)类:"保序回归模型"(Isotonic regression model):class sklearn.isotonic.IsotonicRegression([y_min=None,y_max=None,increasing=True,out_of_bounds='nan'])(2)方法:求因变量是否与自变量单调相关:[<increasing_bool>=]skle原创 2021-04-12 17:11:57 · 314 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 模型的选择与评估
一.impute1.简介:该模块用于处理缺失值2.使用:class sklearn.impute.SimpleImputer([missing_values=nan,strategy='mean',fill_value=None,verbose=0,copy=True,add_indicator=False])class sklearn.impute.IterativeImputer([estimator=None,missing_values=nan,sample_posterior=Fals原创 2021-04-11 15:44:36 · 990 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 数据预处理
一.feature_extraction1.简介:该模块用于对原始数据进行"特征提取"(feature extraction)2.使用:将"特征值映射列表"(lists of feature-value mappings)转换为矢量:class sklearn.feature_extraction.DictVectorizer([dtype<class 'numpy.float64'>,separator='=',sparse=True,sort=True])实现"特征哈希"(fea原创 2021-04-10 14:42:45 · 454 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 矩阵分解,核近似
一.cross_decomposition1.简介:该模块用于进行"交叉分解"(cross decomposition)2.使用:"典型相关分析"(Canonical Correlation Analysis;CCA):class sklearn.cross_decomposition.CCA([n_components=2,scale=True,max_iter=500,tol=1e-06,copy=True])"偏最小二乘"(Partial Least Squares;PLS)转换与回归:c原创 2021-04-07 22:04:05 · 425 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 有监督学习7 概率校准,判别分析,核岭回归,SVM
一.discriminant_analysis1.简介:该模块用于进行线性判别分析和二次判别分析2.使用:"线性判别分析"(Linear Discriminant Analysis):class sklearn.discriminant_analysis.LinearDiscriminantAnalysis([solver='svd',shrinkage=None,priors=None,n_components=None,store_covariance=False,tol=0.0001,cov原创 2021-04-07 22:03:11 · 347 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 其他估计器
一.compose1.简介:该模块用于使用"变压器"(transformers)构建"复合模型"(composite models)的"元估计器"(Meta-estimators)2.使用(1)类:Applies transformers to columns of an array or pandas DataFrame:class sklearn.compose.ColumnTransformer(<transformers>[,remainder='drop',sparse_t原创 2021-03-31 19:55:23 · 173 阅读 · 0 评论 -
Python 内置模块 系统,解释器2
四.optparse模块参见:https://blog.csdn.net/hshl1214/article/details/49488273该模块用于解析命令行命令不推荐使用该模块,Python也已停止更新该模块,推荐使用argparse模块作为替代五.argparse模块参见:https://geek-docs.com/python/python-tutorial/python-argparse.html该模块主要用于解析命令行命令1.建立解析器:建立解析器:<parser>原创 2021-03-28 12:08:30 · 65 阅读 · 0 评论 -
Python 第三方模块 办公 Word
一.Python-docx模块1.准备(1)安装:pip install python-docx(2)导入:import docx2.Document类(1)打开/新建文档:这个类的实例相当于1个文档(.docx文件)<doc>=docx.Document(["<url>"]):新建/打开1个文档 #即创建1个Document类的实例 #参数说明: url:指定文件路径;为str #若指定url,则为打开;否则为新建 #原创 2021-03-27 23:24:15 · 173 阅读 · 0 评论 -
Python 第三方模块 文件
一.pyyaml模块1.YAML文件:YAML(Yet Another Markup Language → YAML Ain't a Markup Language)是1种人类可读的数据序列化语言,由Clark Evans于2001年首次发表,通常用于配置文件,但也用于数据存储或传输.其支持3种基本数据类型:标量(如字符串/整数/浮点数),列表,关联数组.YAML文件的扩展名为.yaml2.概述(1)功能:PyYAML模块是Python的YAML解析器和生成器(2)安装:pip in原创 2021-03-26 21:31:44 · 157 阅读 · 0 评论 -
Python 内置模块 文件与目录 特殊格式
一.csv模块参见:https://blog.csdn.net/dominic_z/article/details/81362610\quadhttps://blog.csdn.net/tcy23456/article/details/852281891.CSV文件:逗号分隔符文本格式,常用于数据交换/Excel文件和数据库数据的导入导出·以纯文本存储数/文本,值没有类型,均为str·文件的每一行代表一条数据,每条记录包含由','分隔的一/多个属性值·默认读写用逗号做分隔符(delimite原创 2021-03-26 20:05:00 · 206 阅读 · 0 评论 -
Python 第三方模块 常用工具1 加密
一.bcrypt模块1.概述(1)简介:bcrypt模块用于对要存储的信息进行哈希处理.其是由Niels Provos和DavidMazières基于Blowfish密码设计的,是OpenBSD的默认密码哈希算法,有针对C/C++,C sharp,Java,JS,PHP,Python和其他语言的bcrypt实现(2)安装:pip install bcrypt2.创建哈希密码:>>> pwd=b"qwerfdsaokm">>> salt=bcrypt.原创 2021-03-21 17:54:14 · 181 阅读 · 0 评论 -
Python f字符串
一.简介Python "f字符串"(f-string)从Python 3.6开始被引入,提供了1种更快/更易读/更简明/不易出错的格式化字符串的方式.f字符串的前缀为f,并使用{}进行格式化二.语法以下各语法可进行组合;支持转义字符;支持格式化日期时间1.f字符串表达式:f"...{<var>[:<format>]}..." #参数说明: var:指定变量/表达式 #字符串的该部分会被替换为计算该表达式后得到的值 format:指定类型/对齐原创 2021-03-21 17:02:35 · 1637 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块7 稀疏矩阵2
十三.Csgraph子模块2.内容(4)其他:分析稀疏图中的"连通分量"(Connected Component):[<n_components>,<labels>=]scipy.sparse.csgraph.connected_components(<csgraph>[,directed=True,connection='weak',return_labels=True]) #参数说明: csgraph:指定稀疏图;为N×N sparse matrix原创 2021-03-20 20:46:50 · 259 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块6 特殊函数2
十一.Special模块2.特殊函数(9)菲涅尔积分(Fresnel Integral):Fresnel integrals:[<S>,<C>=]scipy.special.fresnel(<z>[,out=None])Compute nt complex zeros of sine and cosine Fresnel integrals S(z) and C(z):[<Sz>,<Cz>=]scipy.special.fresnel_ze原创 2021-03-20 20:39:08 · 346 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块5 统计3
九.Stats模块4.统计检验(Statistical Tests):进行单变量"T-检验"(T-Test):[<statistic>,<pvalue>=]scipy.stats.ttest_1samp(<a>,<popmean>[,axis=0,nan_policy='propagate',alternative='two-sided'])进行双独立变量T-检验:[<statistic>,<pvalue>=]scipy.stat原创 2021-03-20 20:35:33 · 195 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块5 统计2
九.Stats模块3.描述统计(Descriptive Statistics)(1)概括性统计(Summary Statistics):返回数据集的相关信息:[<nobs>,<minmax>,<mean>,<variance>,<skewness>,<kurtosis>=]scipy.stats.describe(<a>[,axis=0,ddof=1,bias=True,nan_policy="propagate"])原创 2021-03-20 20:29:35 · 180 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块4 线性代数2
八.Linalg模块3.分解(2)SVD:对矩阵进行SVD:[<U>,<s>,<Vh>=]scipy.linalg.svd(<a>[,full_matrices=True,compute_uv=True,overwrite_a=False,check_finite=True,lapack_driver='gesdd']) #分解为<a>=<U>*<s>*<vh> #参数说明:其他参数同scipy.l原创 2021-03-20 20:27:10 · 155 阅读 · 0 评论 -
Python 第三方模型 科学计算 SciPy模块8 优化与寻根
十二.Optimize模块1.优化(Optimization)(1)标量函数优化(Scalar Functions Optimization):(2)局部优化(Local Optimization):(3)全局优化(Global Optimization):2.最小二乘法与曲线拟合(1)非线性最小二乘法(Nonlinear Least-Squares):(2)线性最小二乘法(Linear Least-Squares):(3)曲线拟合(Curve Fitting):3原创 2021-03-17 19:26:44 · 1469 阅读 · 1 评论 -
Python 第三方模块 科学计算 SciPy模块7 稀疏矩阵1
十一.Sparse模块1.创建稀疏矩阵(1)类:块系数行矩阵:class scipy.sparse.bsr_matrix(<arg1>[,shape=None,dtype=None,copy=False,blocksize=None]) #参数说明: arg1:指定 shape: dtype: copy: blocksize:原创 2021-03-11 10:09:00 · 643 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块6 特殊函数1
十.Special模块几乎所有以下函数均为"通用函数"(Universal Function),遵循"广播"(Broadcasting)及"自动数组循环"(Automatic Array-Looping)规则1.错误处理(Error Handling)(1)函数:Get the current way of handling special-function errors:[<err>=]scipy.special.geterr()#########################原创 2021-03-10 19:48:30 · 1190 阅读 · 2 评论 -
Python 第三方模块 科学计算 SciPy模块5 统计1
九.Stats模块1.概率分布(1)基类:连续型随机变量的基类:class scipy.stats.rv_continuous([momtype=1,a=None,b=None,xtol=1e-14,badvalue=None,name=None,longname=None,shapes=None,extradoc=None,seed=None])############################################################################原创 2021-02-27 14:49:07 · 372 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块3 聚类,快速傅里叶变换
六.Cluster模块1.概述:scipy.cluster是scipy下的1个做聚类的包,包含了2类聚类方法:①矢量量化(scipy.cluster.vq):支持"矢量量化"(Vector Quantization)和"K-均值聚类算法"(M-Means Clustering Algorithm)②层次聚类(scipy.cluster.hierarchy):支持"层次聚类"(Hierarchical Clustering)和"凝聚聚类"(Agglomerative Clustering)2.矢量原创 2021-02-26 14:04:10 · 406 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块4 线性代数1
七.IO模块1.mat文件(1)读取:读取.mat文件:[<mat_dict>=]scipy.io.loadmat("<file_name>"[,mdict=None,appendmat=True,byte_order=None,mat_dtype,squeeze_me,chars_as_strings,matlab_compatible,struct_as_record,verify_compressed_data_integrity,variable_names=None,原创 2021-02-22 16:11:23 · 550 阅读 · 0 评论 -
Python 第三方模块 科学计算 SciPy模块2 积分,插值
四.Fft模块注意:旧版是fftpack,不过目前使用fft或fftpack均可1.快速傅里叶变换(1)1维:进行1维离散傅里叶变换:[<out>=]scipy.fft.fft(<x>[,n=None,axis=-1,norm=None,overwrite_x=False,workers=None,plan=None]) #参数说明: x:指定向量;为ndarray-like(n≥1) #其中的元素可为复数;当维数>1时,会被拆分为多个向量分别原创 2021-02-22 16:11:32 · 652 阅读 · 0 评论 -
Python 第三方模块 统计1 statsmodels模块1 简介,回归
一.statsmodels模块官方文档:https://www.statsmodels.org/stable/index.html二.patsy模块官方文档:https://pypi.org/project/patsy/1.概述(1)简介:patsy是1个用于描述统计模型(尤其是线性模型或具有线性组件的模型)和构建设计矩阵的Python库.其受R/S语言中的公式迷你语言启发并与之兼容(2)安装:pip install patsy2.使用...原创 2021-02-19 20:59:21 · 3178 阅读 · 0 评论 -
Python 第三方模块 机器学习 Scikit-Learn模块 无监督学习1 聚类1
官方文档:https://scikit-learn.org/0.17/modules/classes.html#module-sklearn.cluster一.cluster1.简介:sklearn.cluster是sklearn模块中用于解决聚类问题的子模块2.类:cluster.AffinityPropagation([damping=0.5,max_iter=200,convergence_iter=15,copy=True,preference=None,affinity='euclid原创 2021-01-30 21:43:54 · 259 阅读 · 0 评论