- 特征选择 概述主要方法VarianceThreshold 语法流程 噪点其他特征选择方法sklearn 主成分分析 APIPCA 是什么PCA 语法PCA 流程 (代码演示) ... 特征选择 概述主要方法VarianceThreshold 语法流程 噪点其他特征选择方法sklearn 主成分分析 APIPCA 是什么PCA 语法PCA 流程 (代码演示) ...
- [toc] 方向导数 如果函数 z=f(x,y) 在点 P(x,y) 是可微分的, 那么, 函数在该点沿任一方向 L 的方向导数都存在, 且有: 梯度 设函数 z=f(x,y) 在平面区域 D 内具有一阶连续偏导数, 则对于每一个点 P(x,y)∈D, 向量 为函数 z=f(x,y) 在点 P 的梯度, 记做 gran... [toc] 方向导数 如果函数 z=f(x,y) 在点 P(x,y) 是可微分的, 那么, 函数在该点沿任一方向 L 的方向导数都存在, 且有: 梯度 设函数 z=f(x,y) 在平面区域 D 内具有一阶连续偏导数, 则对于每一个点 P(x,y)∈D, 向量 为函数 z=f(x,y) 在点 P 的梯度, 记做 gran...
- [toc] 数组 数组的形状 查看数组的形状 执行结果: 修改数组的形状 执行结果: 数组的加减乘除 数组加法 执行结果: 数组减法 执行结果: 数组乘法 执行结果: 数组除法 执行结果: [toc] 数组 数组的形状 查看数组的形状 执行结果: 修改数组的形状 执行结果: 数组的加减乘除 数组加法 执行结果: 数组减法 执行结果: 数组乘法 执行结果: 数组除法 执行结果:
- [toc] 练习 在美国 2004 年人口普查发现有 124 million 的人在离家相对较远的地方工作. 根据他们从家到上班地点所需的时间, 通过抽样统计 ( 最后一列 ), 得到了下表的数据, 这些数据能够绘制从成直方图吗? interval = [ 0, 5, 10, 15, 20, 25, 30, 35, 40, 4... [toc] 练习 在美国 2004 年人口普查发现有 124 million 的人在离家相对较远的地方工作. 根据他们从家到上班地点所需的时间, 通过抽样统计 ( 最后一列 ), 得到了下表的数据, 这些数据能够绘制从成直方图吗? interval = [ 0, 5, 10, 15, 20, 25, 30, 35, 40, 4...
- [toc] 绘制直方图 假设你获取了 250 部电影的时长 ( 列表a 中 ), 希望统计出这些电影时长分布状态 ( 比如时长为 100 分钟到 120 分钟电影的数量, 出现的频率 ) 等信息, 你应该如何呈现这些数据? a=[131, 98, 125, 131, 124, 139, 131, 117, 128, ... [toc] 绘制直方图 假设你获取了 250 部电影的时长 ( 列表a 中 ), 希望统计出这些电影时长分布状态 ( 比如时长为 100 分钟到 120 分钟电影的数量, 出现的频率 ) 等信息, 你应该如何呈现这些数据? a=[131, 98, 125, 131, 124, 139, 131, 117, 128, ...
- 模型的选择 概述如何选择合适的算法模型监督学习中三类问题的解释分类问题回归问题标注问题 概述 算法是核心, 数据和计算是基础. 这句话很好的说明了机器学习中算法的重要性. 那么我们开看... 模型的选择 概述如何选择合适的算法模型监督学习中三类问题的解释分类问题回归问题标注问题 概述 算法是核心, 数据和计算是基础. 这句话很好的说明了机器学习中算法的重要性. 那么我们开看...
- [toc] Numpy 更多好用的方法 创建一个全 0 数组 执行结果: 创建一个全 1 数组 执行结果: 创建一个对角线为 1 的正方形数组 ( 方阵 ) 执行结果: 获得最大值最小值的位置 执行结果: 执行结果: [toc] Numpy 更多好用的方法 创建一个全 0 数组 执行结果: 创建一个全 1 数组 执行结果: 创建一个对角线为 1 的正方形数组 ( 方阵 ) 执行结果: 获得最大值最小值的位置 执行结果: 执行结果:
- [toc] 绘制条形图 假设你知道了列表 a 中的电影分别在 9月14号, 9月15号, 9月16号三天的票房, 为了展示列表中电影本身的票房以及同其他电影的数据对比情况, 应该如何更加直观的呈现该数据? a = [ "猩球崛起 3: 终极之战", "敦刻尔克", "蜘蛛侠: 英雄归来", "战狼 2"] b_16 = [ 15... [toc] 绘制条形图 假设你知道了列表 a 中的电影分别在 9月14号, 9月15号, 9月16号三天的票房, 为了展示列表中电影本身的票房以及同其他电影的数据对比情况, 应该如何更加直观的呈现该数据? a = [ "猩球崛起 3: 终极之战", "敦刻尔克", "蜘蛛侠: 英雄归来", "战狼 2"] b_16 = [ 15...
- [toc] Matplotlib 常见问题总结 1. 应该选择哪种图形来呈现数据 2. matplotlib.plot( x, y ) 3. matplotlib.bar( x, y ) 4. matplotlib.scatter( x, y ) 5. matplotlib.hist( ... [toc] Matplotlib 常见问题总结 1. 应该选择哪种图形来呈现数据 2. matplotlib.plot( x, y ) 3. matplotlib.bar( x, y ) 4. matplotlib.scatter( x, y ) 5. matplotlib.hist( ...
- 特征预处理 概述数值型数据标准缩放归一化sklearn 归一化 APIMinMaxScaler 语法归一化步骤归一化案例 概述 特征处理: 通过特定的统计方法 (数学方法)将数据... 特征预处理 概述数值型数据标准缩放归一化sklearn 归一化 APIMinMaxScaler 语法归一化步骤归一化案例 概述 特征处理: 通过特定的统计方法 (数学方法)将数据...
- [toc] 广播原则 如果两个数组的后缘维度 ( trailing dimension, 即从末尾开始算起的维度 ) 的轴长度符或其中一方的长度为 1, 则认为它们是广播兼容的.广播会在缺失和 ( 或 ) 长度为 1 的维度上进行. 代码实现 执行结果: 如何理解广播原则 可以把维度理解为是 shape 所对应的数字... [toc] 广播原则 如果两个数组的后缘维度 ( trailing dimension, 即从末尾开始算起的维度 ) 的轴长度符或其中一方的长度为 1, 则认为它们是广播兼容的.广播会在缺失和 ( 或 ) 长度为 1 的维度上进行. 代码实现 执行结果: 如何理解广播原则 可以把维度理解为是 shape 所对应的数字...
- [toc] Numpy 中数值的修改 执行结果: 执行结果: 注: 因为浅拷贝, 所以当数组 b 被修改时, 数组 a 也随着被修改 [toc] Numpy 中数值的修改 执行结果: 执行结果: 注: 因为浅拷贝, 所以当数组 b 被修改时, 数组 a 也随着被修改
- [toc] 练习二 现在我们有一组关于全球星巴克店铺的统计数据, 如果我想知道中国每个省份星巴克的数量的情况, 那么应该怎么办? 思路: 长度是一个思路, 但是我们有更多的方法 ( 聚合方法 ) 来解决这个问题. 执行结果: 执行结果: 分组和聚合 grouped 是一个 DataFrameGroupBy ... [toc] 练习二 现在我们有一组关于全球星巴克店铺的统计数据, 如果我想知道中国每个省份星巴克的数量的情况, 那么应该怎么办? 思路: 长度是一个思路, 但是我们有更多的方法 ( 聚合方法 ) 来解决这个问题. 执行结果: 执行结果: 分组和聚合 grouped 是一个 DataFrameGroupBy ...
- 【NLP】⚠️学不会打我! 半小时学会基本操作 2⚠️词向量模型简介 概述词向量维度Word2VecCBOW 模型Skip-Gram 模型 负采样模型词向量的训练过程1. 初始化词向量矩阵2.... 【NLP】⚠️学不会打我! 半小时学会基本操作 2⚠️词向量模型简介 概述词向量维度Word2VecCBOW 模型Skip-Gram 模型 负采样模型词向量的训练过程1. 初始化词向量矩阵2....
- [toc] 绘制条形图 假设你获取到了内地电影票房前 20 的电影 ( 列表a ) 和电影票房数据 ( 列表b ), 那么如何更加直观的展示该数据? a = [ "战狼 2", "速度与激情 8", "功夫瑜伽", "西游伏妖篇", "变形金刚 5", "最后的骑士", "摔跤吧! 爸爸", "加勒比海盗 5: 死无对证" , "... [toc] 绘制条形图 假设你获取到了内地电影票房前 20 的电影 ( 列表a ) 和电影票房数据 ( 列表b ), 那么如何更加直观的展示该数据? a = [ "战狼 2", "速度与激情 8", "功夫瑜伽", "西游伏妖篇", "变形金刚 5", "最后的骑士", "摔跤吧! 爸爸", "加勒比海盗 5: 死无对证" , "...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签