Jin_liang

摘要： zip函数的原型为：zip([iterable, …]) zip()是Python的一个内建函数，它接受一系列可迭代的对象作为参数，将对象中对应的元素打包成一个个tuple（元组），然后返回由这些tuples组成的list（列表）。若传入参数的长度不等，则返回list的长度和参数中长度最短的对象相同 阅读全文

摘要： enumerate在字典上是枚举、列举的意思 对于一个可迭代的（iterable）/可遍历的对象（如列表、字符串），enumerate将其组成一个索引序列，利用它可以同时获得索引和值 enumerate多用于在for循环中得到计数 例如对于一个seq，得到： 例如对于一个seq，得到： enumer 阅读全文

摘要： 我写这篇文章的目的，是为参加数据科学社区Kaggle简单指引。 大多数初学者无从下手，因为他们使用自己不理解的库和算法，就像陷入黑盒。 本教程将通过提供一个框架来教您如何像数据科学家一样思考与编码，从而为您提供数据分析的领域优势。 目录： 一 、引言：数据科学家如何打败赔率 二 、 数据科学框架综述 阅读全文

摘要： hMatplotlib是最受欢迎的二维图形库，但有时我们很难做到得心应手的去使用。 如何更改图例上的标签名称？ 如何设置刻度线？ 如何将比例更改为对数？ 如何在我的情节中添加注释和箭头？ 如何在我的图中添加网格线？ 本文汇集了有关如何自定义Matplotlib图的常见问题和答案。 这可以作为快速Ma 阅读全文

摘要： 方差分析的主要功能就是验证两组样本，或者两组以上的样本均值是否有显著性差异，即均值是否一样。 这里有两个大点需要注意：①方差分析的原假设是：样本不存在显著性差异（即，均值完全相等）；②两样本数据无交互作用（即，样本数据独立）这一点在双因素方差分析中判断两因素是否独立时用。 原理： 方差分析的原理就一 阅读全文

摘要： 关于Keras：Keras是一个高级神经网络API，用Python编写，能够在TensorFlow，CNTK或Theano之上运行。 使用一下命令安装： 在Keras实施深度学习的步骤 使用Dense类描述完全连接的层。 我们可以指定层中神经元的数量作为第一个参数，将初始化方法指定为第二个参数作为i 阅读全文

摘要： 引言 深度学习背后的主要原理是从大脑中汲取灵感。，这种观点产生了“神经网络”术语，大脑包含数十亿个神经元，它们之间有数万个连接。 在许多情况下，深度学习算法类似于大脑，因为大脑和深度学习模型都涉及大量的计算单元（神经元），这些单元在未激活时并不是活跃的，它们彼此交互时会变得智能化。 神经元 神经网络 阅读全文

摘要： 引言 机器学习中的许多常见问题是彼此独立数据点的分类。例如，给定图像，预测它是包含猫还是狗，或者给出手写字符的图像，预测它是0到9中的哪个数字。然而，事实证明，许多问题不适合上述框架。例如，给定一个句子“我喜欢机器学习”，用它的词性（名词，代词，动词，形容词等）标记每个单词，这个任务无法通过独立处理 阅读全文

摘要： 超平面 常见的平面概念是在三维空间中定义的：$Ax+By+Cz+D=0$， 而d维空间中的超平面由下面的方程确定：$w^Tx+b=0$，其中,w与x都是d维列向量$,x=(x_1,x_2,…,x_d) $为平面上的点, $w(w_1,w_,\dots,w_d)$为平面的法向量。$b$是一个实数, 代 阅读全文

摘要： 目录 感知机模型 感知机模型的对偶形式 感知机算法实现 感知机模型 感知机是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别（取+1和-1）。感知机对应于输入空间中将实例划分为两类的分离超平面。感知机旨在求出该超平面，为求得超平面导入了基于误分类的损失函数，利用梯度下降法对损失函数进行最 阅读全文