随笔分类 - 7_录播课
摘要：机器学习实战课程 1、课程介绍 一、总结 一句话总结： 二、机器学习实战课程 1、课程介绍 博客对应课程的视频位置： 1、课程内容 课程内容主要参照《机器学习实战》这本书，如下是这本书的封面 对应的具体内容会按照这本书的目录结构讲，但是我会做一定的适当的修改，也会增加一些这本书里面讲的不详细的内容，
阅读全文
摘要：matplotlib库疑难问题 11、画动态直方图 一、总结 一句话总结： 动态画直方图的原理非常简单：就是不断的清除画布的图像，生成新的图像，只要速度足够快，眼睛追不上，那么我们看到的就是动画 import numpy as np import matplotlib.pyplot as plt %
阅读全文
摘要：matplotlib库疑难问题 10、画直方图 一、总结 一句话总结： plt.hist(data, bins=5)：data表示画直方图的数据，比如data=[1,4,3,2,4,1,4,6,3,2,1,4,6]，bins用于指定直方图中条条的条数 import matplotlib.pyplot
阅读全文
摘要：matplotlib库疑难问题 9、画箭头（综合实例） 一、总结 一句话总结： 画箭头：ax.annotate("", xy=(x_list[i]-0.1, y2_mean), xytext=(x_list[i]-0.1, y2_list[i]),arrowprops=dict(arrowstyle
阅读全文
摘要：概率论疑难问题 6、极大似然估计 一、总结 一句话总结： 极大就是最大，似然就是可能性，估计就是估计，所以连在一起就是最大可能性估计，也就是对于参数的最大可能性估计。 极大似然估计，通俗理解来说，就是利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值！ 二、极大似然估
阅读全文
摘要：概率论疑难问题 5、通俗理解中心极限定理 一、总结 一句话总结： 中心极限定理（CLT）指出，如果样本量足够大，【则变量均值的采样分布将近似于正态分布，而与该变量在总体中的分布无关】。 二、通俗理解中心极限定理 博客对应课程视频位置：5、通俗理解中心极限定理-范仁义-读书编程笔记https://ww
阅读全文
摘要：概率论疑难问题 4、通俗理解概率论中的“矩” 一、总结 一句话总结： 在概率论中，有一杆无处不在的“秤”。因为这把“秤”的存在，所以我们有了“矩”。 比如彩票中奖，5元10%几率，100元0.5%几率，500万0.00001%几率，矩公式可以表示为：$$5 \times 10 \% + 100 \t
阅读全文
摘要：概率论疑难问题 2、通俗理解泊松分布 一、总结 一句话总结： 二、通俗理解泊松分布 博客对应课程视频位置：2、通俗理解泊松分布-范仁义-读书编程笔记https://www.fanrenyi.com/video/45/385 1、卖包子 给大家讲讲我爸爸职业的故事。 做木匠->开车->卖包子->卖包子
阅读全文
摘要：matplotlib库疑难问题 8、几个点画曲线 一、总结 一句话总结： 原理：几个点画曲线的原理和我们日常直接画曲线一样，就是在这几个点之间多造一些点，直接在x数据的最小值和最大值之间造一些x数据，然后用scipy.interpolate模块的 make_interp_spline函数造x对应的y
阅读全文
摘要：matplotlib库疑难问题 7、去掉刻度和边框 一、总结 一句话总结： 去掉x轴刻度：将x轴的刻度置为空列表即可：plt.xticks([]) 去掉上边框：ax.spines['top'].set_visible(False) 二、matplotlib库去掉刻度和边框 博客对应课程的视频位置：7
阅读全文
摘要：概率论疑难问题 1、通俗理解全概率公式和贝叶斯公式 一、总结 一句话总结： 全概率就是表示达到某个目的，有多种方式，每种方式又有对应的成功率，问达到目的的概率是多少？具体做法就是把达到目的的所有情况的概率加起来就好 全概率公式：$$P ( B ) = \sum _ { i = 1 } ^ { n }
阅读全文
摘要：机器学习疑难 1、什么是多元线性回归 一、总结 一句话总结： 多元线性回归就是 用多个x(变量或属性)与结果y的关系式来描述一些散列点之间的共同特性。 也可以逐词来理解：多元就是有多个变量或属性，线性就是一条线，回归就是输入变量与输出变量均为连续变量的预测问题 二、什么是多元线性回归 博客对应课程的
阅读全文
摘要：pandas库疑难问题 4、DataFrame类型转换成Numpy中ndarray 一、总结 一句话总结： 可以使用DataFrame中的values属性或to_numpy方法 和 Numpy中的array方法 ans=df.values ans=df.to_numpy() ans=np.array
阅读全文
摘要：pandas库疑难问题 3、loc方法和iloc方法的区别 一、总结 一句话总结： loc方法是基于标签的，iloc方法是基于整数索引的 # iloc # 连续切片 print(data.iloc[1:3:1,1:3]) # 不连续 print(data.iloc[[1,3],[1,3]]) # l
阅读全文
摘要：pandas库疑难问题 2、pandas切片操作 一、总结 一句话总结： pandas的iloc方法可以用来切片，iloc方法具体使用细节和Python切片操作以及NumPy切片操作几乎一样 iloc方法基本结构：iloc[start_index:end_index:step,start_index
阅读全文
摘要：NumPy疑难问题 1、NumPy切片操作 一、总结 一句话总结： numpy切片结构：array[start:stop:step,start:stop:step]，前面的start:stop:step表示行，后面的start:stop:step表示列，具体细节和python切片操作一样 arr1=
阅读全文
摘要：matplotlib库疑难问题 6、显示图片 一、总结 一句话总结： matplotlib库显示图片的话可以用imshow方法：例如plt.imshow(train_x[0]) 显示训练集的第一张图片 二、显示图片 博客对应课程的视频位置：6、显示图片-范仁义-读书编程笔记https://www.f
阅读全文
摘要：matplotlib库疑难问题 5、保存动态图 一、总结 一句话总结： 保存图像的话，直接save方法即可，指定好 写入工具（writer）就好：ani.save('sin.gif', writer='imagemagick', fps=30) 二、保存动态图 博客对应课程的视频位置：5、保存动态图
阅读全文
摘要：matplotlib库疑难问题 4、画动态图 一、总结 一句话总结： 主要是弄懂animation模块FuncAnimation函数，弄懂函数对应那些参数的意思就很简单了：animation.FuncAnimation(fig=fig,func=animate,frames=100,init_fun
阅读全文
