摘要：
数据分析中的'疑难杂症'小结（三） 1. 关于数据的合并方式 concat自定义合并 concat可以通过指定axis来操作数据的合并是按照横向还是纵向。 #横向合并 result_down = pd.concat(list_down,axis=1) join,concat,merge三者的区别 具 阅读全文
摘要：
数据分析中的'疑难杂症'小结（二） 1. 如何对整个DataFrame数据的缺失值进行处理 使用dropna()直接删除含有缺失值的行 使用fillna(num)进行缺失值的替换填充 例如：df.dropna().head(3) / df.fillna(0).head(3) 2. 数据中重复值的查看 阅读全文
摘要：
数据分析中的'疑难杂症'小结（一） 1 关于什么是逐块读取数据(chunker)?为什么要逐块读取？ 1.1 文件读取时，可以使用nrows参数来设置读取的行数 例如：data = pd.read_csv('data.csv',nrows = 5) 1.2 分块的背景 之所以要分块是因为DataFr 阅读全文
摘要：
机器学习练习2 python复现- 逻辑回归 在此练习中，需要实现逻辑回归应用于分类任务。还通过将正则化加入训练算法中来提高算法的鲁棒性，并用更复杂的情形进行测试。 逻辑回归 在训练的初始阶段，我们将要构建一个逻辑回归模型来预测，某个学生是否被大学录取。设想你是大学相关部分的管理者，想通过申请学生两 阅读全文
摘要：
机器学习练习1 python复现- 线性回归 单变量线性回归 import numpy as np import pandas as pd import matplotlib.pyplot as plt path = 'ex1data1.txt' data = pd.read_csv(path, h 阅读全文
摘要：
简化模型： 假设1：影响房价的关键因素是卧室个数，卫生间个数和居住面积，记为x1,x2,x3 假设2：成交价是关键因素的加权和。 y = w1x1+w2x2+w3x3 权重和偏差的实际值在后面决定 线性模型 给定n维输入x = [x1,x2,...,xn]^T 线性模型有一个n维权重和一个标量偏差 阅读全文
摘要：
import torch x = torch.arange(4.0) x tensor([0., 1., 2., 3.]) 在计算梯度之前，需要存放梯度 x.requires_grad_(True) x.grad #默认为None y = 2*torch.dot(x,x) y tensor(28., 阅读全文
摘要：
线性代数 标量由只有一个元素的张量表示 import torch x = torch.tensor([3.0]) y = torch.tensor([2.0]) x+y,x*y,x/y,x**y (tensor([5.]), tensor([6.]), tensor([1.5000]), tenso 阅读全文
摘要：
函数 1.函数定义 Python将函数也视作对象，可以从另一个函数中返回出来去构建高阶函数，比如：参数是函数，返回值也是函数 函数以def关键词开头，后接函数名和圆括号() return 表示结束函数，选择性地返回一个值给调用方，不带表达式的return相当于返回None 2.函数调用 def pr 阅读全文
摘要：
列表 简单数据类型：整型，浮点型和布尔型。 容器数据类型：列表，元组，字典，集合和字符串。 1. 列表的定义 列表是有序集合，无固定大小，能够保存任意数量任意类型的Python对象。 语法的关键点是中括号[]和逗号, 中括号：把所有元素绑在一起。 逗号：把每个元素一一分开。 2. 列表的创建 创建一 阅读全文