文章目录数据集数据集分割偏差与方差 数据集处理数据集
数据的形式：结构化、非结构化、图片、序列数据（语音、视频）、时序数据（流媒体文件数据、传感器数据、股价、日志数据等） 时序数据一般使用循环神经网络来处理数据集：机器学习中的一组数据样本：一组数据中的每一个数据特征：反应样本的某些性质或者属性标签：要被预测的数据训练集（train dataset）：构建机器学习模型，从数据中确定模型参数的过
Python max() min() nlargest() nsmallest()一、max() min()返回可迭代对象中的最大值和最小值max(iterable, *[, key, default]) # k 可以定义规则
max(arg1, arg2, *args[, key])默认数值型参数，取值大者；字符型参数，取字母表排序靠后者。
key 可做为一个函数，用来指定取最大值的方法。
de
原创
2023-05-15 16:43:54
189阅读
一. 函数内容回顾
万能参数：
*args **kwargs
*魔性用法
函数的定义时：* ** 代表聚合
函数的调用时：* ** 代表打散
形参顺序：
位置参数, *args, 默认参数, **kwargs
名称空间
临时名称空间
def func():
name = "alex"
func()
print(name) # 找不到
func()
转载
2024-06-12 23:25:01
20阅读
堆是一种特殊的树结构，其中每个父节点小于或等于其子节点。 然后它被称为最小堆(Min Heap)。 如果每个父节点大于或等于其子节点，则称它为最大堆(Max Heap)。 实施优先级队列是非常有用的，在该队列中，具有较高权重的队列项目在处理中具有更高的优先级。在本章中，我们将学习使用python实现堆数据结构。创建一个堆堆是通过使用python内建的名称为heapq的库创建的。 该库具有对堆数据结
转载
2023-07-12 20:57:25
146阅读
1、概述2、原始表3、简单Group By4、Group By 和 Order By5、Group By中Select指定的字段限制6、Group By All7、Group By与聚合函数8、Having与Where的区别9、Compute 和 Compute By
1、概述“Group By”从字面意义上理解就是根据“By”指定的规则对数据进行分组，所谓的分组就是将一个“数据集”
转载
2024-05-25 20:26:12
54阅读
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素
转载
2022-06-02 10:11:35
77阅读
https://www.jianshu.com/p/312c4586346d
转载
2019-06-25 13:53:00
120阅读
2评论
前言Numpy是一个开源的Python科学计算库，它是python科学计算库的基础库，许多其他著名的科学计算库如Pandas，Scikit-learn等都要用到Numpy库的一些功能。本文主要内容如下：Numpy数组对象创建ndarray数组Numpy的数值类型ndarray数组的属性ndarray数组的切片和索引处理数组形状数组的类型转换numpy常用统计函数数组的广播1 Numpy数组对象Nu
转载
2024-09-25 12:33:26
77阅读
demo展示这是一个剪刀石头布预测模型，会根据最近20局的历史数据训练模型，神经网络输入为最近2局的历史数据。如何拥有较为平滑的移植体验？保持两种语言，和两个框架的API文档处于打开状态，并随时查阅：Python，JavaScript；Pytorch，TensorFlow JS（用浏览器 F3 搜索关键词）。可选阅读，《动手学深度学习》，掌握解决常见学习问题时，Pytorch 和 TensorFl
转载
2023-08-27 00:29:52
0阅读
用ndarray进行存储： import numpy as np # 创建ndarray score = np.array( [[80, 89, 86, 67, 79], [78, 97, 89, 67, 81], [90, 94, 78, 67, 74], [91, 91, 90, 67, 69] ...
转载
2021-07-28 15:28:00
358阅读
2评论
## 常规创建方法a = np.array([2,3,4])b = np.array([2.0,3.0,4.0])c = np.array([[1.0,2.0],[3.0,4.0]])d = np.array([[1,2],[3,4]],dtype=complex) # 指定数据类型print a, a.dtypeprint b, b.dtypeprint c, c.dtypeprint d, d
原创
2023-02-25 15:13:20
183阅读
一 简介 Numpy是高性能科学计算和数据分析的基础包。它也是pandas等其他数据分析的工具的基础，基本所有的数据分析的包都用过它。Numpy为python带来了真正的多维数组功能，并且提供了丰富的函数库处理这些数组。它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作，将本
原创
2021-07-30 13:36:53
441阅读
之前学的： # -*- coding: utf-8 -*- """ Created on Fri May 29 11:51:15 2020 @author: Administrator """ import numpy as np import random t1=np.array([2,3,4,5
原创
2022-06-16 09:45:49
119阅读
df = pd.DataFrame({ …: ‘sp’ : [‘MM1’, ‘MM1’, ‘MM1’, ‘MM2’, ‘MM2’, ‘MM2’, ‘MM4’, ‘MM4’,‘MM4’], …: ‘mt’ : [‘S1’, ‘S1’, ‘S3’, ‘S3’, ‘S4’, ‘S4’, ‘S2’, ‘S2’, ‘S2’], …: ‘val’ : [‘a’, ‘n’, ‘cb’, ‘mk’, ‘bg’,
原创
2023-02-07 00:00:05
106阅读
NumPy模块；原生数组，创建数组；随机数数组：设定取值范围，设定输出格式和精度；操作数组：多维数组的切片和访问，数组属性，操作（变形、排序、拼接、统计、转置、反转、旋转）
原创
2019-02-25 11:01:39
897阅读
NumPy基本操作，参考《Numerical Python: Scientific Computing and Data Science Applications with NumPy, SciPy and matploatlib》 ——Second Edition, Robert Johansso... ...
转载
2021-07-29 12:48:00
292阅读
2评论
Numpy提供多维数组对象（以存储同构或者异构<即结构数组>数据）以及操作这些对象的优化函数/方法。
原创
2022-08-16 15:21:01
355阅读
①创建数组import numpya = numpy.array([[1,2,3,5,6,7,8],
原创
2022-11-18 19:02:06
73阅读
NumPy广泛用于科学计算，提供了ndarray(n-dimension array, n维数组)对象以及作用于ndarray上的一系列操作。通常按如下方式导入NumPy： import numpy as np 1. 创建ndarray ndarray有多种创建方式。可以直接通过Python的列表创 ...
转载
2021-09-05 00:37:00
193阅读
2评论
Numpy
一、Numpy优势
1.Numpy介绍
2.ndarray介绍
3.ndarray与Python原生list运算效率对比
4.ndarray的优势
5.小结
二、N维数组-ndarray
1.ndarray的属性
2.ndarray的形状
3.ndarray的类型
4.总结
三、基本操作
1.生成数组的方法
2.数组的索引、切片
3.形状修改
4.类型修改
原创
2021-08-13 23:34:15
825阅读
