摘要: 浅拷贝只拷贝了最顶层的,深拷贝拷贝了所有 拷贝牵扯到以下几种形式: 赋值操作符= copy.copy copy.deepcopy 列表中的切片[:] 字典中的拷贝.copy() 列表作为函数参数 1. 当拷贝内容为可变类型时 首先以列表为例,来看python中的深拷贝与浅拷贝: 如下图,a和b的地址 阅读全文
posted @ 2019-07-14 19:44 小飞的学习笔记 阅读(2288) 评论(0) 推荐(0) 编辑
摘要: 今天看到一本机器学习的新书,感觉还不错,纸质版还未发行,网上有在线版本: [1] https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ 阅读全文
posted @ 2019-07-14 16:02 小飞的学习笔记 阅读(227) 评论(0) 推荐(0) 编辑
摘要: 今天阅读到一篇关于one-hot编码的文章,这篇文章主要回答了两个问题: one-hot编码把分类数据转化为二进制格式,供机器学习使用。 下图是one-hot编码的一个实例: [1] https://machinelearningmastery.com/why-one-hot-encode-data 阅读全文
posted @ 2019-07-13 23:28 小飞的学习笔记 阅读(2310) 评论(0) 推荐(0) 编辑
摘要: 最近在学习Python机器学习和深度学习相关的内容,看到一些不错的视频和网站,在此记录: 1. Medium上的一个专栏:Data Science Bootcamp 例如其中对SoftMax 函数和交叉熵损失的介绍 Softmax的主要功能就是把数字转化为概率。 交叉熵损失的目的就是对比Softma 阅读全文
posted @ 2019-07-13 22:58 小飞的学习笔记 阅读(889) 评论(0) 推荐(0) 编辑
摘要: 最近在学习深度学习框架tensorflow,并将tensorflow安装在一个虚拟环境当中,为了能在jupyter notebook中使用tensorflow,需要tensorflow可以调用虚拟环境,经调查,做法如下: 第一步:打开Anaconda Prompt,输入如下命令激活自己的虚拟环境。( 阅读全文
posted @ 2019-07-08 22:53 小飞的学习笔记 阅读(1985) 评论(0) 推荐(0) 编辑
摘要: 仍然使用之前爬取的链家数据: 查看数据缺失情况 <class 'pandas.core.frame.DataFrame'> RangeIndex: 82644 entries, 0 to 82643 Data columns (total 10 columns): Region 82644 non- 阅读全文
posted @ 2019-07-01 22:18 小飞的学习笔记 阅读(361) 评论(0) 推荐(0) 编辑
摘要: 这里记录下标准化,归一化等内容: 阅读全文
posted @ 2019-07-01 22:05 小飞的学习笔记 阅读(4044) 评论(0) 推荐(0) 编辑
摘要: 这里放上我比较喜欢的一种条形图设置,使用的是之前爬取的重庆地区链家二手房数据,数据如下: 链接:https://pan.baidu.com/s/17CMwUAdseO8tJWHEQiA8_A 提取码:dl2g 运行结果如下: 如果把上图改成柱形图,可以这样做: 运行结果如下: 关于配色,matplo 阅读全文
posted @ 2019-07-01 21:45 小飞的学习笔记 阅读(29683) 评论(0) 推荐(0) 编辑
摘要: 使用前需要确保安装以下第三方库: jieba, wordcloud, imageio, sklearn,csv imageio、csv和sklearn在安装anaconda时默认是安装的,另外两个库需要手动安装,安装方式如下: 打开Anaconda Prompt使用pip安装即可: 我们选一篇自己喜 阅读全文
posted @ 2019-06-30 22:52 小飞的学习笔记 阅读(12762) 评论(0) 推荐(1) 编辑
摘要: 这里主要记录下常用设置: 运行结果如下: 下面还可以对X,Y轴的刻度进行替换,保证_x和_xtick_labels的大小相同: 运行结果如下: 下面再举一个散点图的例子: 运行结果如下: 从上图可以看到保存的图片X轴标签显示不完整,我们修改plt.savefig中的参数,使用bbox_inches= 阅读全文
posted @ 2019-06-30 14:46 小飞的学习笔记 阅读(784) 评论(0) 推荐(0) 编辑