- 博客(13)
- 收藏
- 关注
RSS订阅原创 【西瓜书学习】第4章 决策树
首先决策树是一类常见的机器学习方法。决策树学习的目的是为 了产生一棵泛化能力强，即处理未见示例能力强的决策树，其基本流程遵循简单且直观的"分而治之"。类似可参考程中的if else。
2022-08-25 18:05:21
354
1
原创 动手学数据分析Task05
模型搭建和评估–建模这一章我们要做的就是使用数据，我们做数据分析的目的也就是，运用我们的数据以及结合我的业务来得到某些我们需要知道的结果。那么分析的第一步就是建模，搭建一个预测模型或者其他模型；我们从这个模型的到结果之后，我们要分析我的模型是不是足够的可靠，那我就需要评估这个模型。今天我们学习建模。首先还是导入库import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfro
2021-07-22 21:00:52
183
原创 动手学数据分析Task04
数据可视化首先还是导入需要的库和数据，这次除了导入numpy、pandas还要导入matplotlib包。%matplotlib inlineimport numpy as npimport pandas as pdimport matplotlib.pyplot as plttext = pd.read_csv('C:\\Users\\wensa\\Desktop\\hands-on-data-analysis-master\\第二章项目集合\\result.csv')text.head(
2021-07-19 17:39:34
83
原创 动手学数据分析Task03
数据重构数据重构依旧属于数据理解（准备）的范围。首先还是导入库和数据集，import numpy as npimport pandas as pdtext = pd.read_csv('/Users/wensa/Desktop/titanic/train_chinese.csv')text.head()数据的合并任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系text_left_up = pd.read_csv("C:\\Users\\wensa\\Desktop\\h
2021-07-16 22:17:53
97
原创 动手学数据分析Task02
数据清洗首先还是导入numpy、pandas包和数据import numpy as npimport pandas as pd任务一：缺失值观察然后先查找缺失值。查找存在缺失值的列df.isnull().any()查找均为缺失值的列df.isnull().all()查找存在缺失值的行nan_lines = df.isnull().any(1)统计有多少行存在缺失值nan_lines.sum()【这些是查找资料是学到的】题目：查看每个特征缺失值个数df.isnull(
2021-07-15 21:06:47
204
原创 动手学数据分析Task01
学习前准备Jupyter的用法，这个其实是task00的内容，但还是在进行task01时花费了一定的时间去了解学习。Kaggle的注册还有数据的下载也花费了一定功夫，在这里很感谢刘楚楚小姐姐的视频，很简洁明白的让我开始了这次的学习。对Pandas的认识Pandas 是 Python (opens new window)的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas在数据处理方面十分灵活，功能十分强大。Pandas 基于 NumPy (
2021-07-13 22:57:02
74
原创 零基础入门语音识别-食物语音识别Task06
本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零基础入门语音识别-食物声音识别挑战赛。baseline及用图由开源学习组织Datawhale提供https://github.com/datawhalechina/team-learning语音识别基础与发展语音识别的基础语音识别全称为“自动语音识别”，Automatic Speech Recognition (ASR), 一般是指将语音序列转换成文本序列。语音识别最终是统计优化问题，给定输入序列O={O1,…,On}
2021-04-23 00:14:32
124
原创 零基础入门语音识别-食物语音识别Task05
本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零基础入门语音识别-食物声音识别挑战赛。baseline及用图由开源学习组织Datawhale提供https://github.com/datawhalechina/team-learning过拟合和欠拟合过拟合和欠拟合概念过拟合是指模型对于训练数据拟合呈过当的情况，反映到评估指标上，就是模型在训练集上的表现很好，但在测试集和新数据上的表现较差。欠拟合指的是模型在训练和预测时表现都不好的情况。降低过拟合风险的方法（1
2021-04-22 00:29:52
109
原创 零基础入门语音识别-食物语音识别Task04
本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零基础入门语音识别-食物声音识别挑战赛。baseline及用图由开源学习组织Datawhale提供https://github.com/datawhalechina/team-learning深度学习模型搭建Task04的学习主要是深度学习如何搭建CNN网络结构。在进行Task01的学习中，我就曾经在b站的视频以及这次学习赛的直播课中对CNN卷积神经网络有了初步的了解学习。那么Task04就是学习如何用Python运用并建
2021-04-19 15:35:18
95
原创 零基础入门语音识别-食物语音识别Task03
对音频数据的特征提取在Task02中，通过课程学习到了如何将音频做基本处理，将其可视化。这次Task03的学习就是对这些音频数据再进一步处理，过滤掉背景噪音等不需要的信息，筛选出需要的信息。常见的音频特征提取分别有：·过零率 （Zero Crossing Rate）·频谱质心 （Spectral Centroid）·声谱衰减 (Spectral Roll-off）·色度频率 （Chroma Frequencies）·梅尔频率倒谱系数 （Mel-frequency cepstral coeff
2021-04-17 21:58:30
131
原创 零基础入门语音识别-食物语音识别Task02
学习对数据的探索本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零基础入门语音识别-食物声音识别挑战赛。baseline及用图由开源学习组织Datawhale提供https://github.com/datawhalechina/team-learning这次比赛的赛题任务是对食物的声音进行数据建模，准确分类。Python中有一些很棒的音频处理库，比如Librosa和PyAudio，还有一些内置的模块用于处理音频的基本处理。# 基本库import pandas
2021-04-16 00:25:05
164
原创 零基础入门语音识别-食物声音识别Task01
零基础入门语音识别学习Task01本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第八场 —— 零基础入门语音识别-食物声音识别挑战赛。baseline及用图由开源学习组织Datawhale提供https://github.com/datawhalechina/team-learning对天池比赛的熟悉作为一个第一次参赛，并且对Python学习得并不透彻的小白，目前仅能做到的是跟着团队按照学习任务在天池先跑一边程序。通过天池的教程学习以及队友的帮助，能够成功地跑通程序，并按照流程，
2021-04-14 11:24:12
183
1
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