- 博客(23)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 机器学习日志__20211030
预测波士顿房价from skimage.metrics import mean_squared_errorfrom sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LinearRegression, SGDRegr
2021-10-30 17:04:44
279
原创 机器学习日志_20211027_几种分类算法的比较
几种分类算法的比较K近邻算法优点：简单，易于理解，易于实现，无需估计参数，无需训练缺点：懒惰算法，对测试样本分类时的计算量大，内存开销大；必须指定K值，K值选择不当则分类精度不能保证朴素贝叶斯算法优点:朴素贝叶斯模型发源于古典数学理论，有稳定的分类效率。对缺失数据不太敏感，算法也比较简单，常用于文本分类。分类准确度高，速度快缺点：需要知道先验概率P(F1,F2,…|C)，因此在某些时候会由于假设的先验模型的原因导致预测效果不佳。决策树优点：简单的理解和解释，树木可视化。需要很少
2021-10-27 17:09:09
257
原创 机器学习日志__20211026__2106
用k-近邻算法计算地点（调参练习）import pandas as pdfrom sklearn.model_selection import train_test_split, GridSearchCVfrom sklearn.preprocessing import StandardScalerfrom sklearn.neighbors import KNeighborsClassifierdef knn_cls(): data = pd.read_csv("./train.cs
2021-10-26 21:08:14
80
原创 机器学习日志_20211023
注意： 算法是核心，数据和计算是基础机器学习主要流程如下：特征工程 --> 转换器（Transformer）例如：fit_transform估计器（estimator） --> 实现算法的API例如：sklearn.neighbors k-近邻算法sklearn.naive_bayes 贝叶斯sklearn.linear_model.LogisticRegression 逻辑回归sklearn.linear_model.LinearRegression
2021-10-23 15:47:25
86
原创 机器学习日志_20211022
from sklearn.feature_extraction.text import CountVectorizer, TfidfVectorizerimport jiebafrom sklearn.preprocessing import StandardScalerfrom sklearn.impute import SimpleImputerimport numpy as npdef cut_word(): sentence1 = "今天很残酷，明天更残酷，后天很美好，但绝对大
2021-10-22 15:37:27
88
原创 Python日志_20211020
PM2.5随时间的变化情况import pandas as pdfrom matplotlib import pyplot as pltp1 = pd.read_csv("./PM2.5/BeijingPM20100101_20151231.csv")# print(p1.info())time_data = pd.PeriodIndex(year=p1["year"], month=p1["month"], day=p1["day"], hour=p1["hour"], freq="H")
2021-10-20 22:27:58
45
原创 Python日志_20211019_1631
统计中国各城市星巴克数量方法：（自行改动：把Hong Kong 改为香港市）import numpy as npimport pandas as pdfrom matplotlib import pyplot as pltplt.rcParams['font.sans-serif'] = ["SimHei"]plt.rcParams["axes.unicode_minus"] = Falsepd.set_option('display.max_columns', None)p1 = pd
2021-10-19 16:33:27
47
原创 Python__日志__20211016_2301
统计电影评分分部情况的代码：import pandas as pdimport numpy as npfrom matplotlib import pyplot as pltp1 = pd.read_csv("./IMDB-Movie-Data.csv")pd.set_option('display.max_columns', None)print(p1.head())print("=" * 30)minutes_data = p1["Rating"].valuesmax_minu
2021-10-16 23:02:37
50
原创 Python日志__20211015_2010
把之前案例中两个国家的数据方法一起来研究分析，那么应该怎么做？(数据格式为[[点击量，点赞数，不喜欢数，评论数]…])import numpy as npt1 = np.loadtxt("./youtube_video_data/US_video_data_numbers.csv", delimiter=",", dtype="int")t2 = np.loadtxt("./youtube_video_data/GB_video_data_numbers.csv", delimiter=",",
2021-10-15 20:14:12
42
原创 Python日志__20211014_1639
matplotlib特点：折线图:以折线的上升或下降来表示统计数量的增减变化的统计图特点:能够显示数据的变化趋势，反映事物的变化情况。(变化)直方图:由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。特点:绘制连续性的数据,展示一组或者多组数据的分布状况(统计)条形图:排列在工作表的列或行中的数据可以绘制到条形图中。特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)散点图:用两组数据构成多个坐标点，考察
2021-10-14 16:44:38
127
原创 Python日志__20211013_1446
绘制函数图像的脚本：from matplotlib import pyplot as pltdef drawPic(): x1 = int(input("Input x1: ")) x2 = int(input("Input x2: ")) x_num = list(range(x1, x2 + 1)) if x1 >= x2: print("x1 x2 input error!") return fun = input
2021-10-13 14:50:10
56
原创 Python日志__20211010_2325
当我们导入某个模块文件时， Python 解释器去哪里找这个文件呢？只有找到这个文件才能读取、装载运行该模块文件。它一般按照如下路径寻找模块文件（按照顺序寻找，找到即停不继续往下寻找）：内置模块当前目录程序的主目录pythonpath 目录（如果已经设置了 pythonpath 环境变量）标准链接库目录第三方库目录（site-packages 目录）.pth 文件的内容（如果存在的话）sys.path.append()临时添加的目录...
2021-10-10 23:25:44
43
原创 Python日志_20211010_2201
输入一棵二叉树的根节点，求该树的深度。从根节点到叶节点依次经过的节点（含根、叶节点）形成树的一条路径，最长路径的长度为树的深度。class Solution(object): def maxDepth(self, root): """ :type root: TreeNode :rtype: int """ if root is None: return 0 else:
2021-10-10 22:02:05
52
原创 Python日志__20211009_0134
工厂+单例模式整合:class CarFactory: __obj = None # 类属性 __init_flag = True def create_car(self, brand): if brand == "奔驰": return Benz() elif brand == "宝马": return BMW() elif brand == "比亚迪":
2021-10-09 01:38:03
47
原创 Python日志__20211008_1634
类属性的定义方式： class 类名： 类变量名= 初始值类方法类方法是从属于“类对象”的方法。类方法通过装饰器@classmethod 来定义，格式如下：@classmethoddef 类方法名(cls [，形参列表]) ： 函数体静态方法Python 中允许定义与“类对象”无关的方法，称为“静态方法”。“静态方法”和在模块中定义普通函数
2021-10-08 16:38:32
51
原创 Python日志__20211007_2055
题目：请完成一个函数，输入一个二叉树，该函数输出它的镜像。例如输入：4/ \2 7/ \ / \1 3 6 9镜像输出：4/ \7 2/ \ / \9 6 3 1题解：class TreeNode(object): def __init__(self, x): self.val = x self.left = None self.right = Noneclass Solution(object
2021-10-07 21:02:50
47
原创 Python日志__20211007_1609
绘制一个10*10的棋盘代码import turtledef chess_board(): '''绘制棋盘10*10''' turtle.speed(0) for i in range(300, -250, -50): turtle.penup() turtle.goto(-300, i) turtle.pendown() turtle.forward(500) turtle.right(90)
2021-10-07 16:12:31
423
原创 Python日志——20211007
Python的布尔值判断与C语言类似，以下值为False：False、0、0.0、空值 None、空序列对象（空列表、空元祖、空集合、空字典、空字符串）、空 range 对象、空迭代对象。其余均为TruePython的三元运算：a if a>b else bC++的三元运算:a>b ? a: b...
2021-10-07 11:32:52
40
原创 Python日志——20211006
元组总结元组的核心特点是：不可变序列。元组的访问和处理速度比列表快。与整数和字符串一样，元组可以作为字典的键，列表则永远不能作为字典的键使用。List和Tuple可以相互转化# Lista = list(1,2,3)# list --> Tuplea = tuple(a)# Tuple --> Lista = list(a)slice操作a = list()a[(start):(end):(step)]常见操作：逆序 a[::-1]...
2021-10-06 21:42:29
48
原创 Python日志——20211005
综合练习01：python实现99乘法表：for i in range(1, 10): for j in range(1, i + 1): tmp = "{0} * {1} = {2}" tmp = tmp.format(i, j, i * j) print(tmp, end="\t") print()## 综合练习02：颠倒给定的 32 位无符号整数的二进制位。提示：请注意，在某些语言（如 Java）中，没有无符号整数类型
2021-10-05 22:08:43
41
1原创 IEEE754单精度标准下，十进制数字与机器码的互转
IEEE754单精度标准下，十进制数字与机器码的互转IEEE754标准（单精度）：十进制数字 ⇒ 机器码机器码 ⇒ 十进制数字IEEE754标准（单精度）：机器码一共32位，其中：数符号1位（1负数，0正数）；阶码8位（移码）；尾数23位（补码）。特别注意1：这里阶码的移码与定点数中的移码略有所不同，定点数的移码可以由补码取反符号位得来（偏移128），而这里是偏移127特别注意2：尾数的最高位默认1，所以这个1可以省略不写十进制数字 ⇒ 机器码以-8.25为例来说明：数值为负，符号位为1；
2020-05-10 17:59:55
7956
原创 char a[3][4]与char *a[4]的区别
char a[3][4]与char *a[4]的区别关于这个问题，其实很多教材都没有说清楚，包括谭浩强教授的C语言设计的说法也不太容易让人理解。今天我们就来说说这两个的区别，要搞清这个二级指针的区别，我们先来看一级指针。char *a 月char a[32]的区别是什么？char a[32]表示程序在内存中开辟了长度为32个单元（每个单元的数据类型为char）的内存，a表示首个元素的地址；而c...
2020-01-01 00:19:45
3966
空空如也
求助，关于c语言链表排序的问题
2019-12-30
TA创建的收藏夹 TA关注的收藏夹
TA关注的人