原创 輕鬆看懂機器學習十大常用算法 - 基礎知識

通過本篇文章可以對ML的常用算法有個常識性的認識,沒有代碼,沒有複雜的理論推導,就是圖解一下,知道這些算法是什麼,它們是怎麼應用的,例子主要是分類問題。 每個算法都看了好幾個視頻,挑出講的最清晰明瞭有趣的,便於科普。 以後有時間再對單個

原创 Python數據建模 - 層次分析法AHP - 代碼註釋多

實際生活中,往往有一些很複雜的系統,我們沒辦法直觀草率的確定權重,比如甲、乙、丙三人競選總統,嚴謹的說,需要從三人的社交能力、管理能力、經濟能力等方面來考慮,在每個方面,三位候選人的得分也不同,那麼到底怎麼來判斷這三個人的綜合得分呢?A

原创 MATLAB數據建模 - Floyd算法求最短路徑

    Floyd算法又稱爲弗洛伊德算法、插點法,是一種利用動態規劃的思想尋找給定的加權圖中多源點之間最短路徑的算法,與Dijkstra算法類似。該算法名稱以創始人之一、1978年圖靈獎獲得者、斯坦福大學計算機科學系教授羅伯特·弗洛伊德

原创 LINGO數據建模 - 用非線性規劃解決問題

在經營管理中,爲取得更高的利潤,不僅需要提高經營收入,也要考慮如何在現有的人力、物力和財力條件下合理安排,在滿足要求的前提下,達到最低的成本。對於靜態的最優化問題(即所有數據不會瞬息萬變,可以允許在小範圍內有波動),通過設計各類可調用的

原创 Python機器學習 - 多元線性迴歸 - 一步一步詳解 - 代碼實現

目錄 數據導入 單變量線性迴歸 繪製散點圖 相關係數R 拆分訓練集和測試集 多變量線性迴歸 數據檢驗(判斷是否可以做線性迴歸) 訓練線性迴歸模型 先甩幾個典型的線性迴歸的模型,幫助大家撿起那些年被忘記的數學。 ● 單變量線性迴歸: h(

原创 Power BI 數據可視化軟件實現共享報表

l  在 Power BI 中與同事共享和協作在此模塊中,涵蓋各種用於與同事共享和協作處理儀表板、報表和數據的方法。例如,你可以:從 Power BI Desktop 向 Power BI 服務發佈報表 使用 Power

原创 Python - Excel文件與CSV文件相互轉化

 Excel文件轉化成CSV - pandas #excel文件轉化成csv import pandas as pd file='E:\\pythondata\\union\\test_3.xlsx' outfile='E:\\py

原创 Python - 合併多個excel文件 - 轉成CSV

在工作中,有時候因爲部門間的數據權限問題,推送數據的時候往往是通過郵件完成,對於量大的數據,往往會拆成很多個excel發送,到下一個部門導入數據庫之前,總是需要先將所有excel合成一個excel,再導入數據庫。手動操作往往受限於各種因

原创 Python數據分析 - 製作詞雲圖 WorldCloud

目錄 第一步:安裝必要的包WorldCloud(安裝好並且沒有出錯的可跳過這一步) 第二步:準備文件,詞雲圖的圖片和文章,按照自己喜好準備吧 第三步:Python實現-源碼 第一步:安裝必要的包WorldCloud(安裝好並且沒有出錯的

原创 Python數據預處理 - 清洗你見過的各種類型的重複

目錄 所有列是否完全重複 指定某一列是否重複 根據多列判斷是否重複,防止誤刪數據 其他數據預處理方法 通過八爪魚或者火車頭等採集器從全網抓取的數據中,總會存在各種各樣的重複數據,爲保證數據在使用過程中的準確性,總要先進行一番清洗。 所有

原创 RBF神經網絡與BP網絡優缺點比較 - 基礎知識

RBF神經網絡與BP神經網絡優缺點比較 1.      RBF 的泛化能力在多個方面都優於BP 網絡, 但是在解決具有相同精度要求的問題時, BP 網絡的結構要比RBF 網絡簡單。 2.      RBF 網絡的逼近精度要明顯高於BP

原创 MATLAB數據建模 - BP神經網絡與RBF神經網絡模型解決實際問題

目錄 神經網絡模型簡述 實例:交通運輸能力預測設計 MATLAB程序及仿真結果     由於貨物運輸、地方經濟及企業發展的緊密聯繫,因此作爲反映貨物運輸需求的一項重要指標, 貨運量預測研究和分析具有較強的實際意義。     常用的貨運量

原创 MATLAB數據建模 - 用單純形法解決整數規劃問題

現實生活中,比如機器的臺數,參與工作的人數,可調動的車輛數,這些數據都是整數。因此對於變量中包含整數、或者完全是整數的規劃問題,我們稱之爲整數規劃。在解決整數規劃常用的算法便是單純形法。     課題名稱:任務的分配 設有甲、乙、丙、丁

原创 有趣的數學-6174數學黑洞

6174數學黑洞它的算法如下:6174黑洞對首個設定的數值有所限制,取任意一個4位數(4個數字均爲同一個數的除外),將該數的4個數字重新組合,形成可能的最大數和可能的最小數,再將兩者之間的差求出來;對此差值重複同樣過程,最後你總是至達卡