- [toc] 总结 在第一节的内容中, 我们都做了些什么 1. 绘制了折线图 ( plt.plot ) 2. 设置了图片的大小和分辨率 ( plt.figure ) 3. 实现了图片的保存 ( plt.savefig ) 4. 设置了 xy 轴上的刻度和字符串 ( xticks ) 5. 解决了刻度稀疏和密集... [toc] 总结 在第一节的内容中, 我们都做了些什么 1. 绘制了折线图 ( plt.plot ) 2. 设置了图片的大小和分辨率 ( plt.figure ) 3. 实现了图片的保存 ( plt.savefig ) 4. 设置了 xy 轴上的刻度和字符串 ( xticks ) 5. 解决了刻度稀疏和密集...
- [toc] Numpy 生成随机数 代码实现 执行结果: 分布的补充 均匀分布 在相同的大小范围内的出现概率是等可能的 正态分布 呈种型, 两头低,中间高, 左右对称 [toc] Numpy 生成随机数 代码实现 执行结果: 分布的补充 均匀分布 在相同的大小范围内的出现概率是等可能的 正态分布 呈种型, 两头低,中间高, 左右对称
- [toc] 练习一 假设大家在 30 岁的时候, 根据自己的实际情况, 统计出来了从 11 岁到 30 岁每年交的男 ( 女 ) 朋友数量如列表 a, 请绘制出该数据的折线图. 一遍分析自己每年交男 ( 女 ) 朋友的数量走势 a = [ 1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3... [toc] 练习一 假设大家在 30 岁的时候, 根据自己的实际情况, 统计出来了从 11 岁到 30 岁每年交的男 ( 女 ) 朋友数量如列表 a, 请绘制出该数据的折线图. 一遍分析自己每年交男 ( 女 ) 朋友的数量走势 a = [ 1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3...
- [toc] 思考 对于这一组电影数据, 如果我们希望统计电影分类 ( genre ) 的情况, 应该如何处理数据? 思路: 重新构造一个全为 0 的数组, 类名为分类, 如果某一条数据中分类出现过, 就让 0 变为 1. 执行结果: [toc] 思考 对于这一组电影数据, 如果我们希望统计电影分类 ( genre ) 的情况, 应该如何处理数据? 思路: 重新构造一个全为 0 的数组, 类名为分类, 如果某一条数据中分类出现过, 就让 0 变为 1. 执行结果:
- 回归算法之回归 概述sklearn.linear_model.Ridge方法属性 概述 具有 L2 正则化的线性最小二乘法. 岭回归是一种专用于共线数据分析的有便估计回归方法, 实质上是一... 回归算法之回归 概述sklearn.linear_model.Ridge方法属性 概述 具有 L2 正则化的线性最小二乘法. 岭回归是一种专用于共线数据分析的有便估计回归方法, 实质上是一...
- 【NLP】⚠️学不会打我! 半小时学会基本操作 4⚠️词向量模型 概述词向量词向量维度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 4⚠️词向量模型 概述词向量词向量维度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...
- 基于协同过滤的推荐系统 概述用户行为数据简介用户行为分析基于物品的协同过滤算法计算物品相似度计算被推荐物品的兴趣 概述 为了让推荐结果符合用户口味, 我们需要深入了解用户和物品. 用户... 基于协同过滤的推荐系统 概述用户行为数据简介用户行为分析基于物品的协同过滤算法计算物品相似度计算被推荐物品的兴趣 概述 为了让推荐结果符合用户口味, 我们需要深入了解用户和物品. 用户...
- [toc] 练习三 现在我们有 2015 到 2017 年 25 万条 911 的紧急电话的数据, 请统计出不同月份不同类型紧急电话的次数的变化情况. 执行结果: [toc] 练习三 现在我们有 2015 到 2017 年 25 万条 911 的紧急电话的数据, 请统计出不同月份不同类型紧急电话的次数的变化情况. 执行结果:
- [toc] 练习二 现在我们有 2015 到 2017 年 25 万条 911 的紧急电话的数据, 请统计出不同季度的电话次数. 执行结果: strftime() 方法 strftime() 函数接收以时间元组, 并返回以可读字符串表示的当地时间, 格式由参数 format 决定. [toc] 练习二 现在我们有 2015 到 2017 年 25 万条 911 的紧急电话的数据, 请统计出不同季度的电话次数. 执行结果: strftime() 方法 strftime() 函数接收以时间元组, 并返回以可读字符串表示的当地时间, 格式由参数 format 决定.
- 回归算法 概述 概述 回归是统计学中最有力的工具之一. 机器学习监督学习算法分类算法和回归算法两种. 其实就是根据类别标签分类型为离散型, 连续性而定义的. 回归算法用于连续型分布预测, ... 回归算法 概述 概述 回归是统计学中最有力的工具之一. 机器学习监督学习算法分类算法和回归算法两种. 其实就是根据类别标签分类型为离散型, 连续性而定义的. 回归算法用于连续型分布预测, ...
- [toc] Pandas 之读取外部数据 现在假设我们有一组关于狗的名字的统计数据, 那么为了观察这组数据的情况, 我们应该怎么做呢? 我们的这组数据存在csv中, 我们可以使用 pd.read csv 即可 执行结果: 和我们想象的有些差别, 我们以为他会是一个 Series 类型,但是他是一个 DataFram... [toc] Pandas 之读取外部数据 现在假设我们有一组关于狗的名字的统计数据, 那么为了观察这组数据的情况, 我们应该怎么做呢? 我们的这组数据存在csv中, 我们可以使用 pd.read csv 即可 执行结果: 和我们想象的有些差别, 我们以为他会是一个 Series 类型,但是他是一个 DataFram...
- 欠拟合与过拟合 概述线性回归逻辑回归解决过拟合的方法欠拟合过拟合 概述 机器学习中的泛化. 泛化即是, 模型学习到的概念在它处于学习的过程中时的模型没有遇见过的样本时候的表现. 在机器... 欠拟合与过拟合 概述线性回归逻辑回归解决过拟合的方法欠拟合过拟合 概述 机器学习中的泛化. 泛化即是, 模型学习到的概念在它处于学习的过程中时的模型没有遇见过的样本时候的表现. 在机器...
- [toc] 什么是机器学习 对于某给定的任务 T, 在合理的性能度量方案 P 的前提下, 某计算机程序可以自主学习任务 T 的经验 E. 随着提供合适, 优质, 大量的经验 E, 该程序对于任务 T 的性能逐步提高. 换个表述: 机器学习是人工智能的一个分支. 我们使用计算机设计一个系统, 使它能够根据提供的训练数... [toc] 什么是机器学习 对于某给定的任务 T, 在合理的性能度量方案 P 的前提下, 某计算机程序可以自主学习任务 T 的经验 E. 随着提供合适, 优质, 大量的经验 E, 该程序对于任务 T 的性能逐步提高. 换个表述: 机器学习是人工智能的一个分支. 我们使用计算机设计一个系统, 使它能够根据提供的训练数...
- [toc] 练习一 现在我们有 2015 到 2017 年 25 万条 911 的紧急电话的数据, 请统计出这些数据中不同类型的紧急情况的次数. 执行结果: [toc] 练习一 现在我们有 2015 到 2017 年 25 万条 911 的紧急电话的数据, 请统计出这些数据中不同类型的紧急情况的次数. 执行结果:
- [toc] 练习一 让我们尝试一下刚刚的方法去统计狗狗名字的数据 很多同学肯定想知道使用次数最高的前几个名字是什呢? 执行结果: 如果我的数据有 10 列, 我想按照其中的第一, 第三, 第八列排序, 怎么办? ( 查看 ipython 的帮助文档 ) [toc] 练习一 让我们尝试一下刚刚的方法去统计狗狗名字的数据 很多同学肯定想知道使用次数最高的前几个名字是什呢? 执行结果: 如果我的数据有 10 列, 我想按照其中的第一, 第三, 第八列排序, 怎么办? ( 查看 ipython 的帮助文档 )
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第三期2026/08/21 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；念擎-华为云AI开发者运营案例开发专家
本期直播内容：AI六层能力首次详细解读 + 新一代华为云开发者空间亮相 + 校园案例直播带练
回顾中 -
华为云开发者AI素养直播课·第四期2026/08/28 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；吴松明-华为云AI开发者案例开发专家
EduSwarm 是一个基于多智能体框架构建的 AI 教师团队协作平台：把备课、上课、作业、批改、学情等教学环节，交给多位专职 AI Agent（课件师、出题官、批改师、学情分析师等）协作完成。教师从「亲力亲为」变成「做决策」，学生只需凭课堂码加入即可实时跟课。
回顾中
热门标签