Scikit-learn，通常称为 sklearn，是 Python 中用于实现机器学习算法的库。它是一个开源库，因此可以免费使用。功能强大且可靠，因为它提供了各种工具来执行统计建模。这包括分类、回归、聚类、降维等等，借助于 Python 中功能强大且稳定的接口。该库建立在 Numpy、SciPy 和 Matplotlib 库之上。可以使用以下所示的 'pip' 命令进行安装：pip install scikit-learn该库专注于数据建模。有许多模型 ... 阅读更多

SciPy 库可用于以高速、高效率地执行复杂的科学计算。Nelder-Mead 算法也称为单纯形搜索算法。它被认为是用于解决参数估计问题和统计问题的最佳算法之一。在函数值不确定或伴随大量噪声的情况下使用此算法是相关的。此算法也可用于处理统计中经常出现的间断函数。它是一个简单的算法，也很容易理解。用于最小化参数 ... 阅读更多

查找标量函数的最小值是一个优化问题。优化问题有助于提高解决方案的质量，从而产生具有更高性能的更好结果。优化问题还用于曲线拟合、根拟合等。让我们看一个例子：示例import matplotlib.pyplot as plt from scipy import optimize import numpy as np print("函数已定义") def my_func(a):    return a*2 + 20 * np.sin(a) plt.plot(a, my_func(a)) print("绘制图形") plt.show() print(optimize.fmin_bfgs(my_func, 0))输出优化已成功终止。    当前函数值：-23.241676    迭代次数：4    函数评估次数：18    梯度评估次数：6 [-1.67096375]解释导入所需的包。定义了一个函数。... 阅读更多

离散傅里叶变换或 DFT 是一种数学技术，有助于将空间数据转换为频率数据。快速傅里叶变换或 FTT 是一种旨在计算空间数据的离散傅里叶变换的算法。空间数据通常以多维数组的形式存在。频率数据是指包含特定时间段内信号或波长数量的信息的数据。让我们看看如何使用 'SciPy' 库来实现此 DFT。该图使用 matplotlib 库创建，数据使用 Numpy 库生成：示例来自 ... 阅读更多

特征向量和特征值在许多情况下都有其用途。“Eigen”在德语中意为“自己的”或“典型的”。特征向量也称为“特征向量”。假设我们需要对数据集执行某些转换，但给定条件是数据集中的数据方向不应改变。这时可以使用特征向量和特征值。给定一个方阵（行数等于列数的矩阵），特征值和特征向量满足以下等式。在找到... 阅读更多

我们之前已经使用运算符 ':' 的帮助进行切片，它用于从系列结构中提取前 'n' 个元素。它有助于为稍后将显示的系列元素分配一个范围。让我们看一个例子：示例 实时演示import pandas as pd my_data = [34, 56, 78, 90, 123, 45] my_index = ['ab', 'mn' ,'gh', 'kl', 'wq', 'az'] my_series = pd.Series(my_data, index = my_index) print("该系列包含以下元素") print(my_series) n = 3 print("前 3 个元素是：") print(my_series[:n])输出该系列包含以下元素ab  34 mn  56 gh  78 kl  90 wq  123 az ... 阅读更多

能够索引元素并使用其位置索引值访问它们，当我们需要访问特定值时，这非常有用。让我们看看如何索引系列数据结构以从特定索引获取值。示例 实时演示import pandas as pd my_data = [34, 56, 78, 90, 123, 45] my_index = ['ab', 'mn' ,'gh', 'kl', 'wq', 'az'] my_series = pd.Series(my_data, index = my_index) print("该系列包含以下元素") print(my_series) print("第二个元素（基于零的索引）") print(my_series[2]) print("从第 2 个元素到最后一个元素的元素是") print(my_series[2:])输出该系列包含以下元素ab  34 mn  56 gh  78 kl  90 wq ... 阅读更多

让我们了解如何使用字典创建系列数据结构，以及如何为系列指定索引值，即自定义索引值。字典是 Python 数据结构，具有映射结构——键值对。示例 实时演示import pandas as pd my_data = {'ab' : 11., 'mn' : 15., 'gh' : 28., 'kl' : 45.} my_index = ['ab', 'mn' ,'gh', 'kl'] my_series = pd.Series(my_data, index = my_index) print("这是使用字典并指定索引值创建的系列数据结构") print(my_series)输出这是使用字典并指定索引值创建的系列数据结构ab  11.0 mn  15.0 ... 阅读更多

当需要找到值的立方根时，可以使用 SciPy 库中提供的函数。'cbrt' 函数的语法scipy.special.cbrt(x)'x' 是传递给 'SciPy' 库的 'special' 类中存在的 'cbrt' 函数的参数。这是一个例子：示例 实时演示from scipy.special import cbrt my_cb = cbrt([27, 89]) print("立方根是：") print(my_cb)输出立方根是：[3. 4.4647451]解释导入所需的包。在需要计算立方根的值列表上调用 'cbrt' 函数。在控制台上显示输出。当需要找到 10**x ... 阅读更多

数据预处理指的是数据清洗，去除无效数据、噪声，用相关值替换数据等等。这并不总是指文本数据；它也可能是图像或视频处理。它是机器学习流程中的一个重要步骤。数据预处理基本上指的是将所有数据（从各种资源或单个资源收集）整理成通用格式或统一数据集（取决于数据类型）的任务。这样做的目的是让学习算法能够从该数据集中学习，并以高精度给出相关结果。由于现实世界... 阅读更多