07 2020 档案
摘要：为什么选择onehot编码（总结） 一、总结 一句话总结： 对于平行分类，普通编码方式会体现大小关系，并且取平均啥的也很糟糕，onehot编码可以很好的避免这些问题 根据标签编码的类别值，我们的迷你数据集中VW > Acura > Honda。比方说，假设模型内部计算平均值（神经网络中有大量加权平均
阅读全文
摘要：TensorFlow2_200729系列 3、梯度下降求简单线性回归实例 一、总结 一句话总结： 梯度下降：梯度下降是对loss函数做的，对loss的w和b，比如w = w - learningRate*loss对w的梯度 画动态图：在动态图中更新y轴数据即可，如果需要更新text标注，那就也更新
阅读全文
摘要：numpy生成随机数据实例 一、总结 一句话总结： A、用np的随机数函数：有正有负：np.random.randn(3,3) #三行三列正态分布随机数据 B、y3 = 0.89*x + 1.47 + 0.2*np.random.randn(100)：注意x有多少维，随机数就应该是多少，比如x是10
阅读全文
摘要：numpy产生随机数 一、总结 一句话总结： *、np.random.rand(2,3) #产生2行三列均匀分布随机数组 *、有正有负：np.random.randn(3,3) #三行三列正态分布随机数据 *、np.random.randint(1,100,[5,5]) #(1,100）以内的5行5
阅读全文
摘要：matplotlib绘图的核心原理讲解 一、总结 一句话总结： 一个figure(画布)有多个axes(坐标系)，也就是子图，一个axes(坐标系)有多个axis(坐标轴)，比如x轴y轴 1、matplotlib获取axes？ axes1 = figure.add_subplot(2,1,1) 2、
阅读全文
摘要：常见数学符号的读音 一、总结 一句话总结： 这些常用数学符号是有大小写的，读音就是英文读音，比如alpha、beta、gamma 二、常见数学符号的读音 转自或参考：http://www.fhdq.net/sx/14.html 大写 小写 英文注音 国际音标注音 中文注音 Α α alpha alf
阅读全文
摘要：matplotlib_200730系列 14、Animation 动画 一、总结 一句话总结： ani=animation.FuncAnimation(fig=fig,func=animate,frames=100,init_func=init,interval=20,blit=False) imp
阅读全文
摘要：jupyter notebook matplotlib绘制动态图并显示在notebook中 一、总结 一句话总结： 引入pylab库，加上%pylab就可以画出动态库了：Using matplotlib backend: Qt5Agg from matplotlib import pylab %py
阅读全文
摘要：matplotlib_200730系列 13、次坐标轴 一、总结 一句话总结： I、ax2=axl.twinx(); #Create a twin Axes sharing the xaxis II、axl.plot(x,y1,'g-'); ax2.plot(x,y2,'b--'); import
阅读全文
摘要：matplotlib_200730系列 12、图中图 一、总结 一句话总结： 主要是改变axis的位置：ax1=fig.add_axes([left,bottom,width,height]) # 小图1（主要是改变 left,bottom,width,height） left,bottom,wid
阅读全文
摘要：matplotlib_200730系列 11、Subplot 分格显示 一、总结 一句话总结： method 1:subplot2grid：axl=plt.subplot2grid((3,4),(0,0),colspan=4,rowspan=1) method 2:gridspec：gs=grids
阅读全文
摘要：matplotlib_200730系列 10、Subplot 多合一显示 一、总结 一句话总结： plt.subplot(2,2,1)：分成2行2列，第1个图：也可以写成 plt.subplot(221) import matplotlib.pyplot as plt plt.figure() #
阅读全文
摘要：matplotlib_200730系列 9、3D数据 一、总结 一句话总结： 画3D图：ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) 画等高线图：ax.contourf(X,Y,Z,zdir='z',o
阅读全文
摘要：matplotlib_200730系列 8、image图片 一、总结 一句话总结： plt.imshow(data) 将数值转成颜色 plt.colorbar() 显示颜色基准条 data=np.random.uniform(0,1.0,9).reshape((3,3)) # plt.imshow(
阅读全文
摘要：matplotlib_200730系列 7、contours 等高线图 一、总结 一句话总结： A、将点放到网格（meshgrid）上面去：X,Y=np.meshgrid(x,y) B、填色：plt.contourf(X,Y,f(X,Y),8, alpha=0.75, cmap=plt.cm.hot
阅读全文
摘要：matplotlib_200730系列 6、Bar 柱状图 一、总结 一句话总结： 柱状图使用非常简单，就是bar方法：plt.bar(X,+Y1,facecolor="#9999ff",edgecolor="white") plt.bar(X,+Y1,facecolor="#9999ff",edg
阅读全文
摘要：matplotlib_200730系列 5、Annotation标注 一、总结 一句话总结： 1、plt的annotate方法添加标注，plt的text方法添加文本标注 2、虚线用plot方法画，scatter方法来标注点 # 添加标注 # 1、画虚线，也就是两个点 x0=1 y0=2*x0+1 #
阅读全文
摘要：matplotlib_200730系列 4、legend图例 一、总结 一句话总结： 画线中加label表示线的名字，调用legend方法即可显示图例 import matplotlib.pyplot as plt import numpy as np x=np.linspace(-3,3,50)
阅读全文
摘要：matplotlib_200730系列 3、移动坐标轴 一、总结 一句话总结： 1、get current axis：ax=plt.gca() 2、去掉右轴和上轴，比如去掉右轴：ax.spines['right'].set_color('none') 3、将bottom轴设置为x轴，将left轴设置
阅读全文
摘要：matplotlib_200730系列 2、设置x轴、y轴参数 一、总结 一句话总结： plt.xlim((-1,2))：相当于取x轴-1到2的位置 plt.xlabel("x")：设置x轴的文本 plt.xticks(np.linspace(-1,2,5))：替换x轴的标注 # 2、设置x轴 y轴
阅读全文
摘要：matplotlib_200730系列 1、figure图像 一、总结 一句话总结： A、不同的figure就是不同的图片 B、figure下面的代码属于这个figure C、plt.figure(num=3, figsize=(8,5))，图像编号是3，图像大小为8,5 二、figure图像 博客
阅读全文
摘要：TensorFlow2_200729系列 2、梯度下降求简单线性回归原理 一、总结 一句话总结： 就是根据loss函数，对w和b求梯度（偏导），也就是w'=w-lr*∂ loss/∂ w ,b'=b-lr*∂ loss/∂ b 1、为什么求梯度是对loss函数求的梯度（w'=w-lr*∂ loss/
阅读全文
摘要：TensorFlow2_200729系列 1、TensorFlow2自动求导实例 一、总结 一句话总结： 用tf.GradientTape()：[dy_da,dy_db,dy_dc] = tape.gradient(y, [a,b,c]) import tensorflow as tf # 创建4个
阅读全文
摘要：Tensorflow函数式API的使用 一、总结 一句话总结： I、在我们使用tensorflow时，如果不能使用函数式api进行编程，那么一些复杂的神经网络结构就不会实现出来，只能使用简单的单向模型进行一层一层地堆叠。 II、如果稍微复杂一点，遇到了Resnet这种带有残差模块的神经网络，那么用简
阅读全文
摘要：tensorflow2知识总结 8、函数式API 一、总结 一句话总结： tensorflow2函数式API是可以非常方便的构建出复杂的神经网络，比如多输入多输出类型的 input=keras.Input(shape=(28,28)) x=keras.layers.Flatten()(input)
阅读全文
摘要：防止神经网络过拟合的常用的四种方法 一、总结 一句话总结： 1、获取更多的训练数据：很显然，训练数据越多，泛化能力自然也越好，这个是最优的方法。 2、减小网络容量：使用小型网络，会迫使网络学习数据中最关键的部分 3、添加权重正则化：即L1，L2正则化。如果一件事情有两种解释，那么最可能正确的解释就是
阅读全文
摘要：tensorflow2知识总结 7、dropout抑制过拟合实例 一、总结 一句话总结： 操作非常简单，直接增加dropout层即可：model.add(tf.keras.layers.Dropout(0.5)) # 增加dropout层来抑制过拟合 model = tf.keras.Sequent
阅读全文
摘要：tensorflow2知识总结 6、过拟合实例 一、总结 一句话总结： A、训练集上的loss一直降低 ，测试集上的loss却有较大波折，证明过拟合 B、训练的时候验证测试数据：history = model.fit(train_image,train_label,epochs=10,validat
阅读全文
摘要：tensorflow2知识总结（杂） 4、训练模型的步骤 一、总结 一句话总结： 1、首先开发一个过拟合的模型（更多层，更多神经元，训练更多轮） 2、然后，抑制过拟合（dropout、正则化、图像增强） 3、再次，调节超参数（学习速率、隐藏层单元数、训练轮次） 1、过拟合 和 欠拟合 ？ 过拟合：在
阅读全文
摘要：tensorflow2知识总结（杂） 3、如何提高网络的拟合能力 一、总结 一句话总结： 1、增加层（增加层的效果比增加隐藏神经元的效果好） 2、增加隐藏神经元个数 1、什么是网络容量 及相关？ a、网络容量可以认为与网络中的可训练参数成正比 b、网络中的神经单元数越多，层数越多，神经网络的拟合能力
阅读全文
摘要：机器学习200725系列 2、逻辑回归实例 一、总结 一句话总结： lr=Pipeline([("sc",StandardScaler()),("cLf",LogisticRegression())]) 1、logistic回归在什么情况下是一个线性函数？ 是对数函数的情况下，可以公式推导 2、ma
阅读全文
摘要：梯度下降与随机梯度下降概念及推导过程 一、总结 一句话总结： 梯度通俗理解：我们对一个多元函数求偏导,会得到多个偏导函数.这些导函数组成的向量,就是梯度. 1、利用梯度下降法求解梯度的过程？ 1、随机一个初始值,在多元线性回归中,我们随机一组w,带入到损失函数中,得到一个初始点. 2、让这个点按照负
阅读全文
摘要：多元线性回归求解过程 解析解求解 一、总结 一句话总结： a、多元线性回归求解过程 解析解求解得到的表达式是θ=(X.T*X)^(-1) * (X.T*X)，这样就可以求的ax+b中的a b、核心代码：theta_best = np.linalg.inv(X_b.T.dot(X_b)).dot(X_
阅读全文
摘要：多元线性回归推导过程 一、总结 一句话总结： I、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. II、y= w0x0 + w1x1 + w2x2 + ... + wnxn (0到n都是下标哦) III、向量W= [w1,w2...wn]是行向量,向量X=
阅读全文
摘要：逻辑回归 总结 一、总结 一句话总结： A、logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。 B、例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃
阅读全文
摘要：解释logistic回归为什么要使用sigmoid函数 一、总结 一句话总结： 1、不是因为sigmoid有很多优秀的性质，然后在1ogistic回归模型建立的时候，从而使用sigmoid函数，这样是不合理的，因为在数学当中sigmoid是一个函数族。具备sigmoid函数这样的性质的函数有很多。s
阅读全文
摘要：逻辑回归(logistics regression) 总结 一、总结 一句话总结： A、logistics regression是用来做分类任务的 B、逻辑回归(logistics regression)的损失函数交叉熵损失函数 1、多元线性回归？ 多元线性回归是用线性的关系来拟合一个事情的发生规律
阅读全文
摘要：梯度下降法和随机梯度下降法 一、总结 一句话总结： 批量梯度下降法（Batch Gradient Descent）：在更新参数时使用所有的样本来进行更新 随机梯度下降法（Stochastic Gradient Descent）：求梯度时没有用所有的m个样本的数据，而是仅仅选取一个样本j来求梯度。 小
阅读全文
摘要：legend3 栅格系统偏移问题 一、总结 一句话总结： 原因：因为激活类question_nav_active 多的两像素的边框使各个框的高度不一样了，所以造成元素偏移 解决方法：保持元素高度一样，或者放在不同的盒子里 二、栅格系统偏移问题 博客对应课程的视频位置： 1、现象 这是选中margin
阅读全文
摘要：机器学习200725系列 1、线性回归实例 一、总结 一句话总结： 用的是sklearn库的linear_model，核心代码：linreg=LinearRegression() #一、加载数据集 pd.read_csv（"*****”） #二、分割数据集 train_test_split（） #三
阅读全文
摘要：Python机器学习库sklearn.model 一、总结 一句话总结： sklearn（scikit-learn）库的功能非常强大，可以解决Classification、Regression、Clustering、Dimensionality reduction等问题 1、train_test_s
阅读全文
摘要：tensorflow2知识总结（杂） 2、Adam优化器 一、总结 一句话总结： 1、Adam算法可以看做是修正后的Momentum+RMSProp算法. 2、Adam通常被认为对超参数的选择相当鲁棒 3、学习率建议为0.001 1、反向传播算法？ 每一层的导数都是后一层的导数与前一层输出之积，这正
阅读全文
摘要：jupyter notebook常用快捷键 一、总结 一句话总结： Jupyter Notebook 有两种键盘输入模式。编辑模式(Enter 键启动)，允许你往单元中键入代码或文本；这时的单元框线是绿色的。命令模式 (按键 Esc 开启)，键盘输入运行程序命令；这时的单元框线是灰色。 1、Jupy
阅读全文
摘要：简单认识Adam优化器 一、总结 一句话总结： Adam 是一种可以替代传统随机梯度下降过程的一阶优化算法，它能基于训练数据迭代地更新神经网络权重。 1、SGD 算法在科研和工程中的应用？ 基于随机梯度下降（SGD）的优化算法在科研和工程的很多领域里都是极其核心的。很多理论或工程问题都可以转化为对目
阅读全文
摘要：Adam优化算法 一、总结 一句话总结： Adam 是一种可以替代传统随机梯度下降过程的一阶优化算法，它能基于训练数据迭代地更新神经网络权重。 1、Adam 算法和传统的随机梯度下降不同？ 1、随机梯度下降保持单一的学习率（即alpha）更新所有的权重，学习率在训练过程中并不会改变。 2、而Adam
阅读全文
摘要：反向传播算法 一、总结 一句话总结： 【误差反向传播】：反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。 1、“正向传播”求损失，“反向传播”回传误差？ “正向传播”求损失，“反向传播
阅读全文
摘要：tensorflow2知识总结 5、softmax多分类 一、总结 一句话总结： softmax多分类适用于神经网络输出层是一个多分类的输出的情况 1、tensorflow的输出层注意？ 如果输出层是一个连续的数字，就不进行其它操作，直接输出 如果输出层是一个二分类（是和否），可以对输出层做一个si
阅读全文
摘要：详解one-hot编码 一、总结 一句话总结： a、One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。 b、One-Hot编码实例：北京[1,0,0]，上海[0,1,0]，深圳[0,0,1] 1、为什么需要
阅读全文
摘要：softmax与多分类 一、总结 一句话总结： sotfmax 函数在机器学习和深度学习中有着广泛的应用， 主要用于多分类问题。 1、softmax 函数 定义？ A、Si=e^(Vi)/(Σe^(Vj)) B、也就是该元素的指数 除以 所有元素的指数和，取指数是为了使差别更大。 C、于是该数组的每
阅读全文
摘要：自动编码器（Autoencoder） 一、总结 一句话总结： autoencoder是一种无监督的学习算法，主要用于数据的降维或者特征的抽取，在深度学习中，autoencoder可用于在训练阶段开始前，确定权重矩阵W的初始值。 二、自动编码器（Autoencoder） 转自或参考：自动编码器（Aut
阅读全文
摘要：机器学习性能度量 Equal Error Rate （EER） 一、总结 一句话总结： A、EER（the Equal Error Rate）是（一个分类器的）ROC曲线（接受者操作特性曲线）中错分正负样本概率相等的点（所对应的错分概率值）。 B、这个点就是ROC曲线与ROC空间中对角线（[0,1]
阅读全文
摘要：自适应增强(Adaptive Boosting) 一、总结 一句话总结： AdaBoost，是英文“Adaptive Boosting”（自适应增强）的缩写，是一种迭代提升算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)
阅读全文
摘要：特征选择常用算法综述 一、总结 一句话总结： 特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ，或属性选择( Attribute Selection ) ，是指从全部特征中选取一个特征子集，使构造出来的模型更好
阅读全文
摘要：主成分分析(PCA)原理与实现 一、总结 一句话总结： 主成分分析是一种矩阵的压缩算法，在减少矩阵维数的同时尽可能的保留原矩阵的信息，简单来说就是将 n×m的矩阵转换成n×k的矩阵，仅保留矩阵中所存在的主要特性，从而可以大大节省空间和数据量。 二、主成分分析(PCA)原理与实现 转自或参考：主成分分
阅读全文
摘要：感知器算法 一、总结 一句话总结： 1、W转置(k)*xi<=0，就更新权向量即可，W(k+1)=W(k)+cXi 2、只要有一个样本不满足，就重新更新权重，直到所有样本都满足 flag = True while(flag): flag = False for i in range(len(X)):
阅读全文
摘要：机器学习准备 4.3、感知器原理与代码 一、总结 一句话总结： 1、W转置(k)*xi<=0，就更新权向量即可，W(k+1)=W(k)+cXi 2、只要有一个样本不满足，就重新更新权重，直到所有样本都满足 flag = True while(flag): flag = False for i in
阅读全文
摘要：np.vstack()和np.hstack() 一、总结 一句话总结： np.vstack():在竖直方向上堆叠 np.hstack():在水平方向上平铺 二、np.vstack()和np.hstack() 转自或参考：np.vstack()和np.hstack()https://blog.csdn
阅读全文
摘要：用 Python 检验数据正态分布的几种方法 一、总结 一句话总结： scipy.stats.anderson(x, dist ='norm' ) 该方法是由 scipy.stats.kstest 改进而来的，可以做正态分布、指数分布、Logistic 分布、Gumbel 分布等多种分布检验。 sc
阅读全文
摘要：数据分析之正态分布检验及python实现 一、总结 一句话总结： 就是非常简单的用正态分布的公式画个图即可，简单方便：y_sig = np.exp(-(x - u) ** 2 / (2 * sig ** 2)) / (math.sqrt(2 * math.pi) * sig) 二、数据分析之正态分布
阅读全文
摘要：python实现正态分布 一、总结 一句话总结： 就是非常简单的用正态分布的公式画个图即可，简单方便：y_sig = np.exp(-(x - u) ** 2 / (2 * sig ** 2)) / (math.sqrt(2 * math.pi) * sig) 二、python实现正态分布 转自或参
阅读全文
摘要：机器学习基础ROC曲线理解 一、总结 一句话总结： ROC曲线的全称是Receiver Operating Characteristic Curve，中文名字叫“受试者工作特征曲线”，顾名思义，就是评估物品性能。 1、ROC曲线起源？ a、ROC曲线起源于第二次世界大战时期雷达兵对雷达的信号判断。当
阅读全文
摘要：python写泰勒展开式 一、总结 一句话总结： 泰勒公式是f(x)=f(x0)+f'(x0)*(x-x0)+f''(x0)/2!*(x-x0)^2+...+f(n)(x0)/n!*(x-x0)^n，x0取个值即可计算，取0的话就是麦克劳林公式 二、python写泰勒展开式 转自或参考：python
阅读全文
摘要：机器学习ROC曲线 一、总结 一句话总结： 1、roc曲线：接收者操作特征(receiveroperating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。 2、roc曲线横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所
阅读全文
摘要：Python机器学习及分析工具：Scipy库 一、总结 一句话总结： Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。 二、Python机器
阅读全文
摘要：python实现一个简单泰勒的计算 一、总结 一句话总结： a、就是非常简单的泰勒展开式的python实现 b、用sympy库中的Symbol来表示表达式 c、python原生的math库中有求阶乘：math.factorial(4) 二、python实现一个简单泰勒的计算 In [7]: from
阅读全文
摘要：相关分析和回归分析的联系和区别 一、总结 一句话总结： 1、在回归分析中，y被称为因变量，处在被解释的特殊地位，而在相关分析中，x与y处于平等的地位，即研究x与y的密切程度和研究y与x的密切程度是一致的； 2、相关分析中，x与y都是随机变量，而在回归分析中，y是随机变量，x可以是随机变量，也可以是非
阅读全文
摘要：Laravel 中缓存驱动的速度比较 一、总结 一句话总结： 与file驱动相比，Memcached 和 Redis 的速度快很多，所以建议在项目较大时使用外部缓存驱动。 二、Laravel 中缓存驱动的速度比较 转自或参考：Laravel 中缓存驱动的速度比较https://learnku.com
阅读全文
摘要：np.linalg.norm(求范数) 一、总结 一句话总结： np.linalg.norm就是元素平方求和之后开根号 二、np.linalg.norm(求范数) 转自或参考：np.linalg.norm(求范数)https://blog.csdn.net/hqh131360239/article/
阅读全文
摘要：机器学习准备 3、模拟e^x的麦克劳林展开式 一、总结 一句话总结： 1、用麦克劳林展开式模拟函数，比如e^x，阶数越高就越接近 2、e^x=f(0)+ f′(0)x+ f″(0)x ²/ 2!+...+ fⁿ(0)x^n/n!+Rn(x)=1+x+x^2/2!+x^3/3!+...+x^n/n!+
阅读全文
摘要：机器学习准备 2、梯度下降法 实例 一、总结 一句话总结： 梯度下降法就是当前的x一步步减去梯度乘以学习速率：cur_x = cur_x - grad_cur * learning_rate def gradient_descent_1d(grad, cur_x=0.1, learning_rate
阅读全文
摘要：机器学习准备 1、简单线性回归（最小二乘法实例） 一、总结 一句话总结： 1、在本例中，最小二乘法就是计算损失的，就是求出w和b之后计算这对w和b对应的损失（因为本例中w和b是用公式可以求的） 2、而在tensorflow2的例子中，因为w和b是多次试探，所以每次试探的结果就是使最小二乘法对应的损失
阅读全文
摘要：线性回归方程如何计算a和b（y=ax+b） 一、总结 一句话总结： 线性回归方程中的a和b都是有公式求的 二、线性回归方程如何计算a和b（y=ax+b） 博客对应课程的视频位置：
阅读全文
摘要：【代价函数】均方误差MSE 一、总结 一句话总结： 在线性回归问题中，常常使用MSE(Mean Squared Error)作为loss函数，而在分类问题中常常使用交叉熵作为loss函数。 1、sigmoid激活函数的问题？ a、我们可以从sigmoid激活函数的导数特性图中发现，当激活值很大的时候
阅读全文
摘要：交叉熵损失函数原理详解 一、总结 一句话总结： 1、叉熵损失函数(CrossEntropy Loss)：分类问题中经常使用的一种损失函数 2、交叉熵能够衡量同一个随机变量中的两个不同概率分布的差异程度，在机器学习中就表示为真实概率分布与预测概率分布之间的差异。交叉熵的值越小，模型预测效果就越好。 3
阅读全文
摘要：数学里面期望值是什么？怎么求？ 一、总结 一句话总结： 在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。 1、数学期望实例? 筛子摇每一个值（1-6）的概率是1/6，则摇到点的期望=1*1
阅读全文
摘要：tensorflow2知识总结 4、逻辑回归实例 一、总结 一句话总结： 也就是将损失函数设置为binary_crossentropy即可：model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['acc']) 1、把te
阅读全文
摘要：tensorflow2知识总结 3、逻辑回归与交叉熵 一、总结 一句话总结： 1、逻辑回归：线性回归预测的是一个连续值，逻辑回归给出的“是”和“否”的回答 2、交叉熵：交叉熵刻画的是实际输出（概率）与期望输出（概率）的距离，也就是交叉熵的值越小，两个概率分布就越接近。 1、sigmoid函数 和 概
阅读全文
摘要：tensorflow2知识总结 2、多层感知器实例 一、总结 一句话总结： 1、多层感知器也就是创建的模型是多层的模型而已，其实基本架构（创建模型、训练模型、模型预测）也都是一样的 2、隐藏层：tf.keras.layers.Dense(10,input_shape=(3,),activation=
阅读全文
摘要：日常英语 200720（感知器：perceptron） 一、总结 一句话总结： perceptron：/pərˈseptrɑːn/ n. 感知器 1、for i,val in enumerate(list1)？ enumerate：英 /ɪˈnjuːməreɪt/：vt. 列举；枚举；计算 2、整形
阅读全文
摘要：日常英语 200720（numpy怎么读） 一、总结 一句话总结： number+python 1、pandas怎么读？ 英[ˈpændəz] 2、市场潜能？ Potential 英 /pəˈtenʃl/ adj. 潜在的，可能的；势的 n. 潜能，可能性；电势 3、python的xlwings库：
阅读全文
摘要：日常英语 200720（tensorflow2优化函数：model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['acc'])） 一、总结 一句话总结： metrics：英 /ˈmetrɪks/ ：n. 度量；作诗法；韵律
阅读全文
摘要：tensorflow2知识总结 1、线性回归实例 一、总结 一句话总结： 第一步：创建模型：model = tf.keras.Sequential() 后面用model的add方法添加layers就好 第二步：训练模型：history = model.fit(x,y,epochs=5000) 第三步
阅读全文
摘要：tensorflow2知识总结（杂） 1、安装tensorflow 一、总结 一句话总结： pip install tensorflow-cpu==2.2.0 -i https://pypi.douban.com/simple/ 1、升级 pip？ python -m pip install --u
阅读全文
摘要：线性回归和逻辑回归的区别 一、总结 一句话总结： 线性回归预测的是一个连续值 逻辑回归给出的“是”和“否”的回答 二、线性回归和逻辑回归的区别 转自或参考：线性回归和逻辑回归的区别https://blog.csdn.net/album_gyd/article/details/83537992 回归问
阅读全文
摘要：%matplotlib inline的含义 一、总结 一句话总结： %matplotlib inline用在Jupyter notebook中，具体作用是当你调用matplotlib.pyplot的绘图函数plot()进行绘图的时候，或者生成一个figure画布的时候，可以直接在你的python c
阅读全文
摘要：王阳明的心学到底是啥 一、总结 一句话总结： 1、知<==(环境以及新事物)==>行 （循环过程） 2、知行合一，知行一体，知来自实践（行），如何行又是因为知，循环往复，这个循环的过程可能又不断的会有新事务插入其间 3、知行一体，你的知决定行，行又决定了知。知不来自于意识，来自面前的世界，来自你的视
阅读全文
摘要：Windows Anaconda 修改为国内源 一、总结 一句话总结： 通过conda config命令生成配置文件.condarc，通过命令 conda info 查看当前配置信息 二、Windows Anaconda 修改为国内源 转自或参考：Windows Anaconda 修改为国内源htt
阅读全文
摘要：机器学习知识总结 5、生成对抗网络的难点是什么 一、总结 一句话总结： 生成对抗网络特别难收敛 1、博弈论：围棋有必胜策略？ 任何有限步结束的零和博弈有必胜策略 2、奥卡姆剃刀 在机器学习领域被逐步抛弃的原因？ 一般只要数据足够，复杂模型的能力一般都会比简单模型好 3、特征提取和特征选择的方式是什么
阅读全文
摘要：机器学习知识总结 4、可以把训练好的网络看做识别器或者特征提取器（很常用） 一、总结 一句话总结： 可以在已经训练好的神经网络后面接一个神经网络或者接一个svm 1、ReLU激活函数最明显的优势是什么？ 快速收敛，因为ReLU(x)=max(0,x)，这样每次可以有很多神经元不激活 2、卷积神经网络
阅读全文
摘要：博弈论 11、博弈论总结 一、总结 一句话总结： 生活中遇到问题，可以往博弈论的这些理论上面靠，从而获取解决问题的策略。 具体生活中的问题一般会比博弈论中的问题复杂的多，考虑的因素更多，所以这些方法要根据自己情况灵活运用。 二、博弈论总结 博客对应课程的视频位置：11、博弈论总结-范仁义-读书编程笔
阅读全文
摘要：博弈论 10、零和博弈、正和博弈 一、总结 一句话总结： 零和博弈：简单来说，你赢1元，我就会输1元，输赢之和为零的博弈，叫零和博弈，零和博弈只存在于封闭系统内部，且会导致你死我活的内部竞争。 正和博弈：在零和博弈中加入增量，输赢之和大于零，就会变成正和博弈。 1、怎么把“零和博弈”变成“正和博弈”
阅读全文
摘要：博弈论 9、拍卖博弈 一、总结 一句话总结： 1、拍卖博弈，也就是拍卖的几种策略，是在“不完全信息博弈”中非常重要的策略。 2、常见的拍卖形式有英国式拍卖（底价开始，不断加价）、荷兰式拍卖（降价拍卖）、日本式拍卖（出价者才能参与下一次竞价）、密封式拍卖（密封式的荷兰式拍卖）、维克瑞拍卖（第二价格密封
阅读全文
摘要：博弈论 8、不完全信息博弈 一、总结 一句话总结： a、不完全信息博弈 是在不充分了解其他参与人的特征，策略空间，以及收益函数的情况下的博弈。 b、在“不完全信息博弈”下，维护和打破信息不对称，成为双方最重要的策略。 c、《36计》中的瞒天过海、围魏救赵、声东击西、暗渡陈仓、混水摸鱼、空城计等等，本
阅读全文
摘要：博弈论 7、一报还一报 一、总结 一句话总结： 1、“一报还一报”就是：第一回合采取合作策略，然后每一回合都采取上一回合对手的策略。 2、“一报还一报”是解决“重复囚徒困境”的最佳策略，也许也是我们“与这个世界重复博弈”的最佳策略。 二、一报还一报 博客对应课程的视频位置：7、一报还一报-范仁义-读
阅读全文
摘要：博弈论 6、重复博弈 一、总结 一句话总结： A、当博弈双方是“一锤子买卖”时，大多会选择“损人未必利己”的“坏的纳什均衡”。如果博弈双方都知道，同样的博弈，会无限次重复下去，他们就会把重复博弈的总体利益作为更重要的衡量标准。 B、解决一次博弈商家不诚信的问题：可以把一次博弈变成重复博弈。 C、生活
阅读全文
摘要：博弈论 5、公地悲剧 一、总结 一句话总结： a、公地悲剧：虽然善用公共资源，可以为集体，和每个个体带来长远的收益，但是个体总会受到“为啥不捞一把”的诱惑，采取自私的短期策略，导致公共资源走向耗尽。 b、解决公地悲剧方式：私有化或者强管制 c、具体在我们的生活中的公共资源也可以采用私有化和强管制来避
阅读全文
摘要：博弈论 4、智猪博弈 一、总结 一句话总结： A、智猪博弈是一种特殊的“纳什均衡”，搭便车的小猪，拥有不管大猪怎么办，我都不动的“占优策略”。 B、生活中，弱势方要学会合理（借势）搭便车，强势方要制约弱势方的搭便车，以便让自己获得更多利益。 1、智猪博弈 双赢的一个原则？ 踩踏板的一定要比不踩踏板的
阅读全文
摘要：博弈论 3、囚徒困境 一、总结 一句话总结： 1、“囚徒困境”就是满足“背叛诱惑 > 合作报酬” 和 “受骗支付 > 背叛惩罚” 条件的博弈。 2、解决“囚徒困境”就是让“囚徒困境”的两个条件不成立：也就是让“背叛诱惑<合作报酬”和“受骗支付<背叛惩罚” 3、生活中的各种合作与背叛的事情，我们也可以
阅读全文
摘要：博弈论 2、纳什均衡 一、总结 一句话总结： a、纳什均衡，就是一种博弈的稳定结果，谁单方改变策略，谁就会损失。 b、自私，可能会导致“好的纳什均衡”，也可能会导致“坏的纳什均衡”，关键是“制度设计”。 c、所以无论是管理国家、开公司、管理家庭、是培育小孩、学习等生活的各个方面，制度的设计都至关重要
阅读全文
摘要：博弈论 1、课程说明 一、总结 一句话总结： 博弈论对生活中的各种决策有很好的启发作用，灵活用好博弈论，可以解决生活中的很多问题。 二、博弈论课程说明 博客对应课程的视频位置：1、课程说明-范仁义-读书编程笔记https://www.fanrenyi.com/video/36/324 课程说明： 博
阅读全文
摘要：机器学习知识总结 3、svm算法和感知器算法的区别 一、总结 一句话总结： svm是一开始输入所有样本数据，得到一个很大的优化问题，然后解优化问题，而感知器算法是一个一个样本代入，计算w和b 1、svm算法的分类结果要比感知器算法好很多很多？ 其实从两个算法的思想上面就很清晰的可以感觉到，svm找分
阅读全文
摘要：机器学习知识总结 2、如何画roc曲线 一、总结 一句话总结： 改变阈值，算出tp和fp 1、roc曲线中，为什么tp（把正样本识别为正样本数）增加，fp（把负样本识别为正样本）也会增加？ 鉴别能力一定，让更多好的东西进来，同时也会让更多不好的东西进来，就像小平同志说的，改革开放过后，好的东西会进来
阅读全文
摘要：SymPy库常用函数 一、总结 一句话总结： SymPy是一个符号计算的Python库。它的目标是成为一个全功能的计算机代数系统，同时保持代码简 洁、易于理解和扩展。 SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散 数学、几何学、概率与统计、物理学等方面的功能。
阅读全文
摘要：凸集，凸函数，凸优化问题，线性规划，二次规划，二次约束二次规划，半正定规划 一、总结 一句话总结： 凸函数几何意义：表示为函数任意两点连线上的值大于对应自变量处的函数值 凸优化：凸优化，或叫做凸最优化，凸最小化。研究定义于凸集中的凸函数最小化的问题。 1、什么是凸优化？ 凸优化：凸优化，或叫做凸最优
阅读全文
摘要：凸集、凸函数、凸优化和凸二次规划 一、总结 一句话总结： 凸集：集合C内任意两点间的线段均包含在集合C形成的区域内，则称集合C为凸集 二、凸集、凸函数、凸优化和凸二次规划 转自或参考：凸集、凸函数、凸优化和凸二次规划https://blog.csdn.net/watermelon12138/arti
阅读全文
摘要：SVM（支持向量机）总结 一、总结 一句话总结： 对SVM, 要记住的点: 名字由来, trick1 ( 将两类数据分成正负两类: +1, -1); trick 2 ( 对于支持向量: wx + b = 1); trick 4 soft margin and slack varible; trick
阅读全文
摘要：SVM非线性分类原理实验 一、总结 一句话总结： 到更高维度去找可以分类的超平面（无限维度的平面中必然可分） 二、解密SVM系列（四）：SVM非线性分类原理实验 转自或参考：解密SVM系列（四）：SVM非线性分类原理实验 - gccbuaa - 博客园https://www.cnblogs.com/
阅读全文
摘要：SVM处理非线性问题 一、总结 一句话总结： 【利用核函数】：到更高维度去找可以分类的超平面（无限维度的平面中必然可分）。 【软间隔和正则化】：有限制地降低分类要求，允许一部分样本（不满足的样本要尽量少）不满足。 1、在现实任务中，原始样本空间也许并不存在一个能正确划分两类样本的超平面，那这个时候应
阅读全文
摘要：机器学习知识总结 1、回归和分类是可以相互转换的 一、总结 一句话总结： a、比如回归中算人脸的年纪，比如1-100岁，那么可以看做分类问题中有1-100个分类 b、所以，所有的分类算法都能做回归 1、如何算细胞的面积（或者周长）？ 可以获取细胞的图像，描绘细胞的边缘，然后获取里面的像素值，就是细胞
阅读全文
摘要：23个适合Java开发者的大数据工具和框架 一、总结 一句话总结： 比如有如下的： MongoDB：最受欢迎的，跨平台的，面向文档的数据库。 Neo4j：在Java中实现的开源图形数据库。 Spark：Apache Software Foundation中最活跃的项目，是一个开源集群计算框架。 Ha
阅读全文
摘要：Python代写高性能计算库Numba 一、总结 一句话总结： Numba库，在计算性能方面，它比Numpy表现的更好。Numba库的核心应用领域是math-heavy和array-oriented的功能 二、Python代写高性能计算库Numba 转自或参考：Python代写高性能计算库——Num
阅读全文
摘要：PHP正则表达式（总结） 一、总结 一句话总结： php正则函数前都加上了preg前缀：preg_grep、preg_match、preg_match_all、preg_split、preg_replace、preg_quote preg_grep(mode,str) //匹配查找，返回一个数组
阅读全文
摘要：Perl和php的关系（总结） 一、总结 一句话总结： 1、PHP更适合编写网页程序，而Perl的用途范围要广得多，更像*nix系统下的万能胶水。php最主要就是做网站开发，用的人也非常多。 2、PHP的基本语法非常接近 Perl 的 3、PHP继承自一个老的工程，名叫 PHP/FI。PHP/FI
阅读全文
摘要：legend3 设置课程视频的seo的关键词 一、总结 一句话总结： 在中文和其它类型的文字中添加空格即可，也就是【拆分中文和其它类型的文字】，这样将【视频标题】拆分的结果一般就可以是视频的关键字，再加上【课程的关键字】，就非常nice了 //拆分视频的关键字 public static funct
阅读全文
摘要：机器学习中常用的三种方法 一、总结 一句话总结： a、人工神经网络（Artificial Neural Network, ANN） b、决策树算法：树中的每一个节点表示对象属性的判断条件，其分支表示符合节点条件的对象。树的叶子节点表示对象所属的预测结果。 c、支持向量机（support vector
阅读全文
摘要：特征空间或数据集的线性可分是什么（以二分类为例） 一、总结 一句话总结： 直观表示：以二分类为例，线性可分表示两类样本能够被完全分隔开 数学描述：D0和D1是n维欧氏空间中的两个点集。如果存在n维向量w和实数b，使得所有属于 D0 的点xi都有 wxi+b>0，而对于所有属于D1的点xj则有wxj+
阅读全文
摘要：人工智能+机器学习+深度学习的包含关系 一、总结 一句话总结： 人工智能包含机器学习，机器学习包含深度学习（深度神经网络） 二、人工智能+机器学习+深度学习的包含关系 转自或参考：读懂人工智能+机器学习+深度学习的包含关系https://www.jianshu.com/p/2fc2afc2bc85
阅读全文
摘要：奥卡姆剃刀和没有免费的午餐定理 一、总结 一句话总结： 奥卡姆剃刀（Occam’s razor）：简单的是最好的 “没有免费的午餐”定理（no free lunch, NFL）：没有一种机器学习算法是适用于所有情况的，其实也揭露“有得必有失” 1、“没有免费的午餐”定理（no free lunch,
阅读全文
摘要：print("decimal hex chr {0:^30}".format("name")) 是什么意思 一、总结 一句话总结： {0:^30}中的0是一个序号，表示格式化输出的第0个字符，依次累加； {0:^30}中的30表示输出宽度约束为30个字符； {0:^30}中的^表示输出时居中对齐，若
阅读全文
摘要：python爬虫准备知识 2、为什么选择python来进行爬虫 一、总结 一句话总结： c和c++运行效率很高，但是学习和开发成本很大；java的语言代码量很大，一个爬虫程序会随着网址及内容的改变而需要重构，重构时需要花费很多的成本；php并发处理能力弱，速度和效率都达不到爬虫的要求。 1、什么是U
阅读全文
摘要：python日常疑难 2、python中查看函数帮助 一、总结 一句话总结： help(np.eye) 1、from test1 import t1？ 表示从test1文件夹里面引入t1.py，比如调用t1里面的add方法，直接t1.add即可 2、with open("test.jpg","wb"
阅读全文
摘要：python超简单实用爬虫操作 6、模拟登录获取数据 一、总结 一句话总结： 爬虫获取登录才能获取的数据也很简单，在爬虫请求的请求头中加上cookie即可，爬所有登录才能获取数据的网站都可以这么干 import requests headers = { "user-agent":"Mozilla/5
阅读全文
摘要：python requests库 爬取视频 一、总结 一句话总结： 爬取视频操作和爬取图片操作比较类似，我们可以设置请求中的stream参数来选择以一整个块的方式来爬取视频或者以流的方式爬取 # 显示下载视频的进度 import requests headers = { "user-agent":"
阅读全文
摘要：利用Python中的requests库爬取视频的图片 一、总结 一句话总结： 可以用requests的get方法获取图片响应数据，因为是二进制，所以用response的content属性获取图片二进制数据，然后用python文件操作把图片存下来就可以了 import requests headers
阅读全文
摘要：python超简单实用爬虫操作 5、爬取视频 一、总结 一句话总结： 爬取视频操作和爬取图片操作比较类似，我们可以设置请求中的stream参数来选择以一整个块的方式来爬取视频或者以流的方式爬取 # 显示下载视频的进度 import requests headers = { "user-agent":
阅读全文
摘要：python超简单实用爬虫操作 4、爬取图片 一、总结 一句话总结： 爬取图片的操作比较简单，和爬取网页一样，只不过图片是二进制，所以用的时候用response的content属性，然后可以用python文件操作把图片存起来 import requests headers = { "user-age
阅读全文
摘要：超直观精辟python with as的用法及原理 一、总结 一句话总结： with...as作用和try...finally一样，也是捕获异常，但是不处理异常，不管使用过程中是否发生异常都会执行必要的“清理”操作，释放资源，比如文件使用后自动关闭等操作 二、超直观精辟python with as的
阅读全文
摘要：python 异常处理（try...finally...和with...as 方法） 一、总结 一句话总结： 1、try...finally：try捕获异常，没有except所以不处理异常，finally中做一些必定要做的操作，比如关闭文件 2、with...as：作用和上面的try...final
阅读全文
摘要：python疑难问题 7、python中的with...as... 一、总结 一句话总结： with 语句适用于对资源进行访问的场合，确保不管使用过程中是否发生异常都会执行必要的“清理”操作，释放资源，比如文件使用后自动关闭、线程中锁的自动获取和释放等。 with open("test.txt")
阅读全文
摘要：python的with...as...的实质 一、总结 一句话总结： with as语句等价于try finally语句 with expression as variable with-block 等价于 try: 执行 __enter__的内容 执行 with_block. finally: 执
阅读全文
摘要：python超简单实用爬虫操作 3、获取各种请求数据 一、总结 一句话总结： requests库可以非常方便的获取各种请求的数据，比如get请求、post请求、delete请求等等，使用方法直接requests对象调对应方法即可 import requests response = requests
阅读全文
摘要：Http报头Accept与Content-Type的区别 一、总结 一句话总结： Accept:text/xml：发送端（客户端）希望接受的数据类型。 Content-Type:text/html：代表发送端（客户端|服务器）发送的实体数据的数据类型。 二、Http报头Accept与Content-
阅读全文
摘要：http请求头中Referer的含义和作用 一、总结 一句话总结： 比如我在www.google.com 里有一个www.baidu.com 链接，那么点击这个www.baidu.com ，它的header 信息里就有：Referer=http://www.google.com由此可以看出来吧。它就
阅读全文
摘要：python爬虫requests使用代理ip 一、总结 一句话总结： a、请求时，先将请求发给代理服务器，代理服务器请求目标服务器，然后目标服务器将数据传给代理服务器，代理服务器再将数据给爬虫。 b、代理服务器是经常变化的，使用代理服务器时传一个参数：proxy，是一个字典的形式。 import r
阅读全文
摘要：python爬虫requests库post请求实例 一、总结 一句话总结： 在post请求拉勾网数据的时候，因为拉勾服务器请求后端数据需要cookie，所以可以用session对象来维持会话，保存cookie等参数信息 import requests url1 = "https://www.lago
阅读全文
摘要：爬虫爬拉钩网出现 您操作太频繁,请稍后再访问 解决 一、总结 一句话总结： 爬拉勾网数据的时候，ajax的post请求是需要cookie的，还需要在header里面需要添加Accept、Referer、User-Agent 二、爬虫爬拉钩网出现 您操作太频繁,请稍后再访问 解决 转自或参考：{"st
阅读全文
摘要：python爬虫request库中的session 一、总结 一句话总结： The Session object allows you to persist certain parameters across requests. It also persists cookies across all
阅读全文
摘要：requests.session()会话保持 一、总结 一句话总结： requests库的session会话对象可以跨请求保持某些参数，说白了，就是比如你使用session成功的登录了某个网站，则再次使用该session对象，该网站的其他网页都会默认使用该session之前使用的cookie等参数
阅读全文
摘要：python超简单实用爬虫操作 2、爬虫基本操作 一、总结 一句话总结： requests库爬取网页非常简单，例如 response = requests.get("https://www.cnblogs.com/Renyi-Fan/p/13264726.html") 可以直接获取请求对应的响应对象
阅读全文
摘要：python超简单实用爬虫操作 1、爬虫介绍 一、总结 一句话总结： 爬虫就是自动获取网页内容的程序，比如google、百度等搜索引擎本质就是爬虫，爬虫的在互联网中应用的特别多，用爬虫可以非常方便的爬取数据，从而节约大量人力 二、爬虫介绍 博客对应课程的视频位置：1、爬虫介绍-范仁义-读书编程笔记h
阅读全文
摘要：浏览器的一个请求从发送到返回都经历了什么？ 一、总结 一句话总结： 整个请求过程还是蛮简单的，心平气和的答就好，答的上就答的上，答不上就答不上，也不用强求。 二、浏览器的一个请求从发送到返回都经历了什么？ 转自或参考：浏览器的一个请求从发送到返回都经历了什么？ - echo'coding' - 博客
阅读全文
摘要：python中requests库的post请求 一、总结 一句话总结： requests直接有post方法，可以用来发post请求 datas = {'parameter1':'12345','parameter2':'23456'} r = requests.post('http://exampl
阅读全文
摘要：requests库和urllib包对比 一、总结 一句话总结： python3.0以上把urllib和urllib2合并成一个库了，requests库使用了urllib3，requests库使用比urllib简洁方便不少 二、requests库和urllib包对比 转自或参考：requests库和u
阅读全文
摘要：python做爬虫常用库 一、总结 一句话总结： urllib：一系列用于操作URL的功能。 requests：基于 urllib 编写的，阻塞式 HTTP 请求库，发出一个请求，一直等待服务器响应后，程序才能进行下一步处理。 selenium：自动化测试工具。一个调用浏览器的 driver，通过这
阅读全文
摘要：Python文件读写（open()，close()，with open() as f...） 一、总结 一句话总结： 但由于文件读写时都可能产生IOError，为了保证无论是否出错都能正确地关闭文件，我们用try...finally来实现：python 简化了改写法，即用 with open(...
阅读全文
摘要：python的Bytes类型 一、总结 一句话总结： 在python中，数据转成2进制后不是直接以010101的形式表示的，而是用一种叫bytes（字节）的类型来表示的。 例如 b'\xe8\x87\xaa\xe5 1、python中，转化成bytes的方式？ encode("utf-8")，解码的
阅读全文
摘要：python引入模块 一、总结 一句话总结： from test1 import t1：表示从test1文件夹里面引入t1.py，比如调用t1里面的add方法，直接t1.add即可 二、python引入模块 博客对应课程的视频位置： 2、代码 spider.py from test1 import
阅读全文
摘要：python操作excel库xlwings 8、按公式计算值 一、总结 一句话总结： 直接按照公式计算结果就好，所求结果、以及循环的层数及意义在公式里面都已经非常好的体现了，有公式之后代码其实非常好敲 # 4、按照公式计算结果 # 用gdp数据初始化结果数据 import copy import m
阅读全文
摘要：python操作excel库xlwings 7、格式化数据 一、总结 一句话总结： 格式化数据也就是处理各个地级市之间欧式距离的数据，因为原来数据不好取，所以可以生成一个283*283的表，来表示城市之间的距离，这样取数据特别方便 # 1、从excel中读地级市的欧氏距离 # 2、规整数据，生成一个
阅读全文
摘要：python操作excel库xlwings 6、实例需求分析 一、总结 一句话总结： 解决实际问题的时候，明确需求，问题更加容易解决，而且处理数据之前，也需要明确数据是否需要规整，数据是否缺失 二、实例需求分析 博客对应课程的视频位置：6、实例需求分析-范仁义-读书编程笔记https://www.f
阅读全文
摘要：python操作excel库xlwings 5、读excel常用方式 一、总结 一句话总结： 读excel的方式非常简单，无论是读某个单元格，还是读行读列，以及读范围，都是sht.range("c12:d13").value 这个方法，在range里面指定好读取的范围即可 # 1、读取某个位置的值
阅读全文
摘要：python操作excel库xlwings 4、读excel基本操作 一、总结 一句话总结： 读excel的基本操作和写的一样，都是按照xlwings对应的逻辑：应用->工作簿->工作表->范围 一步步操作即可，只不过读的时候工作簿不是增加而是打开的，所以是open方法：app.books.open
阅读全文
摘要：python操作excel库xlwings 3、写入excel常见操作 一、总结 一句话总结： a、指定单元格来写入：sht.range("b3").value="b3" b、插入一行：直接列表即可：sht.range("c4").value=[1,2,3,4] c、插入一列：设置options中的
阅读全文
摘要：python操作excel库xlwings 2、写入excel基本操作 一、总结 一句话总结： xlwings在excel中写入东西比较简单，直接按照 应用->工作簿->工作表->范围 操作即可，记得保存excel以及关闭excel即可 import xlwings as xw # 应用->工作簿-
阅读全文
摘要：python操作excel库xlwings 1、课程介绍 一、总结 一句话总结： xlwings是Python中操作Excel的一个第三方库，支持.xls读写，.xlsx读写，操作非常简单，功能也很强大 1、xlwings的操作excel逻辑？ 应用->工作簿->工作表->范围 应用：一个应用（一个
阅读全文
摘要：numpy库常用基本操作 一、总结 一句话总结： numpy常用操作，创建n维数组有array和arange方法，索引操作就是一般数组的索引操作，比如n[1][1]，线性代数的一些操作也非常简单，比如矩阵乘法@符号 二、numpy库常用基本操作 转自或参考：numpy库常用基本操作 - 古墓派掌门
阅读全文
摘要：Numpy库使用总结 一、总结 一句话总结： NumPy：大数据量的纯粹数组处理，以及复杂函数和线性代数等 1、numpy中创建矩阵的方法？ numpy中的数据结构主要是同构的多维数组，所以创建数组的方法主要有array和arange方法，当然还有其它的一些比如linspace等等 arr = np
阅读全文
摘要：python的xlwings库读写excel操作总结 一、总结 一句话总结： xlwings 是 Python 中操作Excel的一个第三方库，支持.xls读写，.xlsx读写，操作非常简单，功能也很强大 1、xlwings 中的逻辑：应用->工作簿->工作表->范围 对应的代码？ 应用：一个应用（
阅读全文
摘要：numpy中的ndarray与pandas的Series和DataFrame之间的相互转换 一、总结 一句话总结： a、NumPy中的ndarray：是一个多维数组对象，该对象由两部分组成：实际的数据；描述这些数据的元数据。 b、pandas的Series对象：从一般意义上来讲，Series可以简单
阅读全文
摘要：Numpy和Pandas的区别 一、总结 一句话总结： NumPy：大数据量的纯粹数组处理，以及复杂函数和线性代数等 Pandas：处理非纯粹的、混杂数组 虽然NumPy有着以上的种种出色的特性，其本身则难以独支数据分析这座大厦，这是一方面是由于NumPy几乎仅专注于数组处理，另一方面则是数据分析牵
阅读全文
摘要：numpy和pandas 各种比较常见的用法总结 一、总结 一句话总结： numpy的结构是纯粹的ndarray，而pandas的是Series（单维）和DataFrame（多维） 1、numpy库中创建数组方法array和asarray的区别？ array和asarray都可以将结构数据转化为nd
阅读全文
摘要：如何通过一顿饭来说明NumPy与pandas的功用 一、总结 一句话总结： NumPy：大数据量的纯粹数组处理，以及复杂函数和线性代数等 Pandas：处理非纯粹的、混杂数组 虽然NumPy有着以上的种种出色的特性，其本身则难以独支数据分析这座大厦，这是一方面是由于NumPy几乎仅专注于数组处理，另
阅读全文
摘要：NumPy 是什么（总结） 一、总结 一句话总结： 【多维数组对象】：NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代
阅读全文
摘要：Pandas是什么（总结） 一、总结 一句话总结： Pandas 的主要数据结构是 Series（一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。 1、Pandas 适用于处理以下类型的数据？ *、与 SQL 或 Excel 表
阅读全文
摘要：Python与Excel交互-Xlwings库 一、总结 一句话总结： xlwings 是 Python 中操作Excel的一个第三方库，支持.xls读写，.xlsx读写，操作非常简单，功能也很强大 二、Python与Excel交互-Xlwings库 转自或参考：Python与Excel交互——Xl
阅读全文
摘要：Python3用最好用的第3方库操作Excel 一、总结 一句话总结： xlwings 是 Python 中操作Excel的一个第三方库，支持.xls读写，.xlsx读写，操作非常简单，功能也很强大 1、xlwings 中的逻辑：应用->工作簿->工作表->范围 对应的代码？ 应用：一个应用（一个x
阅读全文
摘要：xlwings（App.books.open/Book方式打开文件） 一、总结 一句话总结： 在多次处理文件中，App.books.open方式打开可以控制在一个excel窗口，Book方式则会打开多个窗口。 1、xlwings.App(visible=True,add_book=False) 这句
阅读全文
摘要：pandas中Series和DataFrame的区别与联系（总结） 一、总结 一句话总结： series，只是一个一维数据结构，它由index和value组成。 dataframe，是一个二维结构，除了拥有index和value之外，还拥有column。 二、pandas中Series()和Data
阅读全文
摘要：csv文件是什么 一、总结 一句话总结： CSV是逗号分隔值文件格式（Comma-Separated Values），通常是纯文本文件。 name,age,gender 孙悟空,32,male 蜘蛛精,11,female 沙和尚,12,male 二、csv文件是什么 博客对应课程的视频位置： 1、百
阅读全文
摘要：markdown让文字居中和带颜色 一、总结 一句话总结： markdown支持html语言，所以可以用html实现居中或者颜色 二、markdown让文字居中和带颜色 转自或参考：markdown让文字居中和带颜色 - bigmagic - 博客园https://www.cnblogs.com/b
阅读全文
摘要：python疑难问题 6、python中浅拷贝和深度拷贝 一、总结 一句话总结： 浅拷贝（copy.copy()）：拷贝父对象，不会拷贝对象的内部的子对象，也就是子对象共用 深拷贝（copy.deepcopy()）：完全拷贝父对象跟子对象，复制的对象和原来的对象互不相关 import copy l
阅读全文
摘要：python中浅拷贝和深度拷贝 一、总结 一句话总结： 1、浅拷贝（copy()）：拷贝父对象，不会拷贝对象的内部的子对象，复制的对象和原来的对象中的子对象中的不可变数据类型互不影响，子对象中的可变数据类型共用 2、深拷贝（copy.deepcopy()）：完全拷贝父对象跟子对象，复制的对象和原来的
阅读全文
摘要：#!/usr/bin/python3 和 #!/usr/bin/env python3的区别 一、总结 一句话总结： #!/usr/bin/python3是告诉操作系统执行这个脚本的时候，调用/usr/bin下的python3解释器； #!/usr/bin/env python3这种用法是为了防止操
阅读全文
摘要：python二维列表(list)初始化 一、总结 一句话总结： 可以用c = [[0]*4 for _ in range(3)]的方式来初始化3行4列的二维数组，用乘号(*)重复不可变数据类型（这里是int 0），用循环重复可变数据类型（这里是列表） 二、python:二维列表(list)初始化 转
阅读全文
摘要：python中for _ in range () 中_的意思 一、总结 一句话总结： 其中’_’ 是一个循环标志，也可以用i，j 等其他字母代替，下面的循环中不会用到，起到的是循环此数的作用 二、python中for _ in range () 中_的意思 转自或参考：python中for _ in
阅读全文
摘要：python疑难问题 5、二维列表初始化 一、总结 一句话总结： 可以用c = [[0]*4 for _ in range(3)]的方式来初始化3行4列的二维数组，用乘号(*)重复不可变数据类型（这里是int 0），用循环重复可变数据类型（这里是列表） 1、b = [[0] * 4] * 3 初始化
阅读全文
摘要：python疑难问题 4、python文件读写 一、总结 一句话总结： python文件读写操作非常简单，先open打开文件，读的话，可以用readlines读取多行，写的话就直接write方法，文件其它操作比如重命名操作需要引入os模块 # 一、文件的写操作 f = open("test.txt"
阅读全文
摘要：基本数学公式语法(MathJax) 一、总结 一句话总结： 正文(inline)中的LaTeX公式用...定义，单独显示(display)的LaTeX公式用...定义，此时公式居中并放大显示 二、基本数学公式语法(of MathJax) 转自或参考：基本数学公式语法(of MathJ
阅读全文
摘要：python爬虫准备知识 1、启迪 一、总结 一句话总结： 知识之间是触类旁通的，比如你更加深刻的学了爬虫之后，你可能会对网站开发更加了解 1、前后端交互过程中，请求头（Request Headers）和响应头（Response Headers）以及响应（Response）的作用是什么？ 请求头（R
阅读全文
摘要：laravel获取请求头信息 一、总结 一句话总结： dd(request);可以获取请求中的各种信息可以request->header() 等获取请求头等，也就是可以直接用$request中的那些对象属性获取对应的信息，比如header 二、laravel获取请求头信息 博客对应课程的视频
阅读全文
