第六周作业
摘要：
import os import pandas as pd # 修改工作路径到指定文件夹 os.chdir("E:\py mathph\JupyterLab-Portable-3.1.0-3.9\shujuwajue") # # 第一种连接方式 # from sqlalchemy import cr 阅读全文
posted @ 2023-04-04 20:48 eno_xyn 阅读(42) 评论(0) 推荐(0) 编辑
2023年4月4日 #
2023年3月27日 #
连续洗浴事件识别
摘要：
import pandas as pd import matplotlib.pyplot as plt inputfile = 'D://人工智能/original_data.xls' # 输入的数据文件 data = pd.read_excel(inputfile) # 读取数据 # 查看有无水流 阅读全文
posted @ 2023-03-27 12:31 eno_xyn 阅读(16) 评论(0) 推荐(0) 编辑
2023年3月19日 #
商品数据分析
摘要：
import numpy as np import pandas as pd inputfile = 'D://人工智能//GoodsOrder.csv' data = pd.read_csv(inputfile,encoding='gbk') data.info() data = data['id 阅读全文
posted @ 2023-03-19 20:56 eno_xyn 阅读(37) 评论(0) 推荐(0) 编辑
2023年3月12日 #
航空公司客户价值分析
摘要：
#-*- coding: utf-8 -*- # 代码7-1 # 对数据进行基本的探索 # 返回缺失值个数以及最大最小值 import pandas as pd datafile= 'D://人工智能/air_data.csv' # 航空原始数据,第一行为属性标签 resultfile = 'D:/ 阅读全文
posted @ 2023-03-12 19:27 eno_xyn 阅读(44) 评论(0) 推荐(0) 编辑
2023年3月5日 #
财政收入影响因素分析及预测
摘要：
# 代码6-1 import numpy as np import pandas as pd inputfile = "D://人工智能//data.csv" # 输入的数据文件 data = pd.read_csv(inputfile) # 读取数据 # 描述性统计分析 description = 阅读全文
posted @ 2023-03-05 19:51 eno_xyn 阅读(22) 评论(0) 推荐(0) 编辑
2023年2月26日 #
数据挖掘python 画各类图
摘要：
## -*- coding: utf-8 -*- # 代码3-1 使用describe()方法即可查看数据的基本情况 import pandas as pd catering_sale = 'D://人工智能//catering_sale.xls' # 餐饮数据 data = pd.read_exc 阅读全文
posted @ 2023-02-26 19:03 eno_xyn 阅读(61) 评论(0) 推荐(0) 编辑
2022年5月15日 #
人工智能作业2
摘要：
# -*- coding: utf-8 -*- """ Neural Networks Neural networks can be constructed using the ``torch.nn`` package. Now that you had a glimpse of ``autogra 阅读全文
posted @ 2022-05-15 19:29 eno_xyn 阅读(104) 评论(0) 推荐(0) 编辑
2022年4月24日 #
tensorFlow的基本应用
摘要：
安装Python版TensorFlow可以使用模块管理工具pip/pip3 [7] 或anaconda并在终端直接运行。 1 2 pip install tensorflow conda install -c conda-forge tensorflow 此外Python版TensorFlow也可以 阅读全文
posted @ 2022-04-24 21:25 eno_xyn 阅读(300) 评论(0) 推荐(0) 编辑
2022年3月18日 #
人工智能作业
摘要：
BP神经网络 import pandas as pd import numpy as np import matplotlib.pyplot as plt def sigmoid(x): # 定义网络激活函数 return 1/(1+np.exp(-x)) data_tr = pd.read_csv 阅读全文
posted @ 2022-03-18 17:53 eno_xyn 阅读(103) 评论(0) 推荐(0) 编辑
2021年12月12日 #