随笔分类 - Python精要
用到的PYhton
摘要：神经网络是一种模拟人类大脑工作方式的计算模型。它由神经元组成，这些神经元相互连接形成网络。每个连接都有一个权重，而神经元则通过激活函数处理输入并生成输出。神经网络可以分为输入层、隐藏层和输出层。在训练过程中，神经网络通过调整权重来学习模式和特征，使其能够进行预测或分类任务。这种学习过程通常依赖于反向
阅读全文
摘要：关联规则分析算法是一种用于挖掘数据集中项之间关系的技术，它可以揭示数据中的潜在模式和趋势。这种算法的核心思想是寻找数据集中频繁出现的组合，从而推断它们之间的关联关系。其中，Apriori算法是关联规则分析的代表之一。Apriori算法的基本原理是利用"先验原理"，即如果一个项集是频繁的，那么它的所有
阅读全文
摘要：决策树算法是一种在机器学习和数据挖掘领域广泛应用的强大工具，它模拟人类决策过程，通过对数据集进行逐步的分析和判定，最终生成一颗树状结构，每个节点代表一个决策或一个特征。决策树的核心思想是通过一系列问题将数据集划分成不同的类别或值，从而实现对未知数据的预测和分类。这一算法的开发灵感源自人类在解决问题时
阅读全文
摘要：聚类就是将一个庞杂数据集中具有相似特征的数据自动归类到一起，称为一个簇，簇内的对象越相似，聚类的效果越好。“相似”这一概念，是利用距离标准来衡量的，我们通过计算对象与对象之间的距离远近来判断它们是否属于同一类别，即是否是同一个簇。聚类是一种无监督的学习(Unsupervised Learning)方
阅读全文
摘要：Pandas为Python营造了一个高水平的操作环境，还提供了便于操作的数据结构和分析工具。无需更多介绍，Pandas已经是Python中数据分析的常用工具了。作为一个数据爱好者，Pandas是我日常使用的工具，我总会惊叹于它强大的功能，并且极大提升了工作效率的Pandas技巧。对于pandas新手
阅读全文
摘要：Python是一种强大的编程语言，它拥有丰富的工具库和功能，其中之一就是自带的数据集，这些数据集在Python中非常有用，可以用于机器学习、数据分析、科学研究等。使用Python数据集可以极大地简化项目开发过程。通过导入现有的数据集，我们可以更快地开始分析和建模，并且可以使用已经实现的算法进行评估和
阅读全文
摘要：探索和清理数据听起来很无聊，而且不像训练最先进的 AI 模型那么酷。但如果你想成为一名专业的数据科学家，探索性数据分析和数据预处理也是必不可少的技能。幸运的是，有许多很棒的工具可以帮助您了解数据集。著名的 Python 数据处理模块 Pandas 就是其中之一。DataFrame是一个二维的表格数据
阅读全文
摘要：Pandas 是一个强大的数据分析库，它提供了一个名为 DataFrame 的数据结构，类似于 R 中的 data.frame。DataFrame 是一个二维的、标签化的数据结构，可以包含不同数据类型的列。它提供了许多方便的功能，如数据选择、过滤、合并、排序等，使得数据分析和处理变得更加容易。Pan
阅读全文
摘要：朴素贝叶斯算法（Naive Bayes, NB) 是应用最为广泛的分类算法之一，它是基于贝叶斯定义和特征条件独立假设的分类器方法。朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率；NB模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单，当年的垃圾邮件分类都是基于朴素
阅读全文
