- 学习目标 目标 知道逻辑回归的算法计算输出、损失函数知道导数的计算图知道逻辑回归的梯度下降算法知道多样本的向量计算应用 应用完成向量化运算应用完成一个单神经元神经网络的结构 1.2.1 Logistic回归 1.2.1.1 Logistic回归 逻辑回归是一个主要用于二分分类类的算法。那么逻辑回归是给定一个xx&nbs... 学习目标 目标 知道逻辑回归的算法计算输出、损失函数知道导数的计算图知道逻辑回归的梯度下降算法知道多样本的向量计算应用 应用完成向量化运算应用完成一个单神经元神经网络的结构 1.2.1 Logistic回归 1.2.1.1 Logistic回归 逻辑回归是一个主要用于二分分类类的算法。那么逻辑回归是给定一个xx&nbs...
- 学习目标 目标 了解CapsuleNet应用 无 5.3.1 CapsuleNet为什么会出现 2017年，CapsuleNet的出现是Hinton大佬对于卷积神经网络等的思考，想去构建一种新的网络结构, 如何克服CNN存在的问题的，那CN网络又存在什么问题： CNN的目标不正确 1、CNN对于旋转类型图片不确... 学习目标 目标 了解CapsuleNet应用 无 5.3.1 CapsuleNet为什么会出现 2017年，CapsuleNet的出现是Hinton大佬对于卷积神经网络等的思考，想去构建一种新的网络结构, 如何克服CNN存在的问题的，那CN网络又存在什么问题： CNN的目标不正确 1、CNN对于旋转类型图片不确...
- 训练Tesseract 大多数其他的验证码都是比较简单的。例如，流行的 PHP 内容管理系统 Drupal 有一个著 名的验证码模块(https://www.drupal.org/project/captcha)，可以生成不同难度的验证码。 那么与其他验证码相比，究竟是什么让这个验证码更容易被人类和机器读懂呢? ... 训练Tesseract 大多数其他的验证码都是比较简单的。例如，流行的 PHP 内容管理系统 Drupal 有一个著 名的验证码模块(https://www.drupal.org/project/captcha)，可以生成不同难度的验证码。 那么与其他验证码相比，究竟是什么让这个验证码更容易被人类和机器读懂呢? ...
- [toc] 练习四 现在我们有全球排名靠前的 10000 本书的数据, 那么请统计一下下面几个问题: 1. 不同年份书的数量 执行结果: 2. 不同年份书的平均评分情况 执行结果: [toc] 练习四 现在我们有全球排名靠前的 10000 本书的数据, 那么请统计一下下面几个问题: 1. 不同年份书的数量 执行结果: 2. 不同年份书的平均评分情况 执行结果:
- [toc] 索引的复合索引 简单的索引操作: 获取 index: 执行结果: 指定 index: 执行结果: 重新设置 index: 执行结果: 指定某一列作为 index: 执行结果: 执行结果: 返回 index 的唯一值: 执行结果: ... [toc] 索引的复合索引 简单的索引操作: 获取 index: 执行结果: 指定 index: 执行结果: 重新设置 index: 执行结果: 指定某一列作为 index: 执行结果: 执行结果: 返回 index 的唯一值: 执行结果: ...
- [toc] Pandas 之布尔索引 回到之前狗的名字的问题上, 假如我们想找到所有的使用次数超过 80 次的狗狗名字,应该怎么选择? 执行结果: 缺失数据的处理 对于 NaN 的数据, 在 numpy 中我们是如何处理的? 在 pandas 中我们处理起来非常容易 判断数据是否为 NaN 执行结果: ... [toc] Pandas 之布尔索引 回到之前狗的名字的问题上, 假如我们想找到所有的使用次数超过 80 次的狗狗名字,应该怎么选择? 执行结果: 缺失数据的处理 对于 NaN 的数据, 在 numpy 中我们是如何处理的? 在 pandas 中我们处理起来非常容易 判断数据是否为 NaN 执行结果: ...
- [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ... [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ...
- [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ... [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ...
- 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学... 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学...
- [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果: [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果:
- [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失... [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失...
- [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果: [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果:
- [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat... [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat...
- 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题... 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题...
- [toc] Pandas 之 DataFrame DataFrame 对象既有行索引, 又有列索引 行索引, 表面不同行, 横向索引, 叫 index, 0 轴, axis= 0 列索引, 表名不同列, 纵向索引, 叫 columns, 1 轴, axis= 1 执行结果: 执行结果: 执行结果: ... [toc] Pandas 之 DataFrame DataFrame 对象既有行索引, 又有列索引 行索引, 表面不同行, 横向索引, 叫 index, 0 轴, axis= 0 列索引, 表名不同列, 纵向索引, 叫 columns, 1 轴, axis= 1 执行结果: 执行结果: 执行结果: ...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签