1.3.1 Anaconda大礼包.pdf-唐宇迪-人民邮电出版社
文本预览下载声明
006跟着迪哥学Python数据分析与机器学习实战1.3.1Anaconda大礼包环境配置时只需下载Anaconda即可，它相当于一个“全家桶”
显示全部
文档详情
相似文档
-
2．Anaconda编程环境.pdf-吕鉴涛-人民邮电出版社
人工智能算法Python案例实战62．Anaconda编程环境Anaconda是一个开源的Python发行版本，其中集成了Conda、Python等180多个常用的数据处理和科学计算等工具包以
-
 8.1.2 随机森林.pdf-唐宇迪-人民邮电出版社
166跟着迪哥学Python数据分析与机器学习实战8.1bagging算法集成算法有3个核心的思想：bagging、boosting和stacking，这几种集成策略还是非常好理解的，下面向大家逐一介绍。8.1.1并行的集成bagging即
-
 6.2.1 交叉验证.pdf-唐宇迪-人民邮电出版社
134跟着迪哥学Python数据分析与机器学习实战#得到所有正常样本的索引normal_indices=data[data.Class==0].index#在正
-
 10.1.3 连续值离散化.pdf-唐宇迪-人民邮电出版社
第10章特征工程22510.1.3连续值离散化连续值离散化的操作非常实用，很多时候都需要对连续值特征进行这样的处理，效果如何还得实际通过测试集来观察，但
-
 4.1.1 细节设置.pdf-唐宇迪-人民邮电出版社
086跟着迪哥学Python数据分析与机器学习实战4.1常规绘图方法首先导入工具包，一般用plt来当作Matplotlib的别名：Inimportmatplotlib.pyplotasplt%matplotlibinline指定魔法指令之
-
 3.3.6 绘图操作.pdf-唐宇迪-人民邮电出版社
076跟着迪哥学Python数据分析与机器学习实战Indata.resample(3D).mean().head()Out按月进行统计也是同理：Indata
-
 14.1.2 数据集整合.pdf-唐宇迪-人民邮电出版社
第14章推荐系统项目实战—打造音乐推荐系统303虽然过滤后的数据样本个数不到原来的1/4，但是过滤掉的样本都是稀疏数据，不利于建模，所以，当拿到数据之后，对数据进行清洗和预处理工作还是非常有必
-
 6.3.2 混淆矩阵.pdf-唐宇迪-人民邮电出版社
144跟着迪哥学Python数据分析与机器学习实战现在已经完成建模和基本的调参任务，只看这个90%左右的结果，感觉还不错，但是，如果想知道模型的具体表现，需要再
-
20.2.1 词向量.pdf-唐宇迪-人民邮电出版社
432跟着迪哥学Python数据分析与机器学习实战challengetheAlertDetectiveAgencysbestmen.Shempisintopforminthefamousin-the-darkscene.EmilSitk
-
 2.4.6 文件读写.pdf-唐宇迪-人民邮电出版社
第2章科学计算库（Numpy）033这里每次都把种子设置成100，说明随机策略相同，无论执行多少次随机操作，其结果都是相同的。大家也可以选择自己喜欢的数字，不同的种子，结果是完全不同的。迪哥说：在对数据进行预处理时，经常加入新的操作或改变处
-
 4.1.2 子图与标注.pdf-唐宇迪-人民邮电出版社
090跟着迪哥学Python数据分析与机器学习实战OutInline=plt.plot(x,y)#alpha表示透明程度plt.setp(line,color=r,linewidth=2.0,alpha=0
-
 19.2.3 VGG网络.pdf-唐宇迪-人民邮电出版社
418跟着迪哥学Python数据分析与机器学习实战图19-23AlexNet网络AlexNet网络结构从现在的角度来看还有很多问题，整体网络结构是8层，其中卷积
-
 3.3.3 缺失值处理.pdf-唐宇迪-人民邮电出版社
第3章数据分析处理库（Pandas）067排序的时候，可以指定升序或者降序，并且还可以指定按照多个指标排序：Indata.sort_values(by=[g
-
 3.2.3 groupby操作.pdf-唐宇迪-人民邮电出版社
058跟着迪哥学Python数据分析与机器学习实战迪哥说：学习过程中可能会遇到有点儿看不懂某些参数解释的情况，最好的方法就是实际试一试，从结果来理解也是不错的选择。3.2.3g
-
 2.3.3 数值运算.pdf-唐宇迪-人民邮电出版社
第2章科学计算库（Numpy）021此时它们就是相同的了，如果改变新变量中的一个元素，再来看看两个变量的各自结果：Intang_array2[1,1]=100O