原创 3 神經網絡基礎(階躍、sigmoid、relu激活函數的代碼實現)

目錄 1、 輸入權重計算 2、與門的實現 3、非門的實現 4、或門的實現 5、感知機可以實現與、或、非門的邏輯     6、階躍函數的實現 7、sigmoid 函數的實現 8、階躍函數和sigmoid函數相比較 9、ReLU函數 1、 輸

原创 7、Cannot broadcast operands together.

問題;:Cannot broadcast operands together.  不能一起廣播操作數,數據維度不一樣 舉例:數據維度不一樣 data_mean=data_train.mean() data_std=data_trai

原创 23、python協同過濾推薦案例代碼

目錄 1、數據結構 2、模型構建 01 用戶評分向量(User Rating Vector) 02 商品評分向量(Item Rating Vector) 03 距離計算(Distance) 04 相似度計算(Similarity) 05

原创 6、ValueError: Wrong number of items passed 11, placement implies 1

1 問題:ValueError: Wrong number of items passed 11, placement implies 1 2 解釋:表明你試圖把太多維度的項數放在太少的項數裏,本例子中是把11項數試圖放在1項 3 源代碼

原创 21、python的K-means聚類分析方法,案例

1、聚類分析 是按照個體的特徵將他們分類,讓同一個類別內的個體之間具有較高的相似度,不同類別之間具有較大的差異性; 2、基本理論 Kmeans:K表示算法當中類的個數 Means 均值算法:K-means 使用均值算法把數據分成k個類別的

原创 12、python特徵工程內容介紹

目錄 1  特徵工程重要性 2 特徵工程內容包括 3  數據處理  第一種、量綱不一  第二種 虛擬變量  第三種    缺失值處理 特徵工程(Feature Engineering) 其本質上是一項工程活動,他目的是最大限度地從原始數據

原创 20、Python特徵工程,維度壓縮

1 維度壓縮 主成分分析(rincipal components Analysis) 在減少數據集的維度的同時,保持對方差貢獻最大的特徵 2 PCA方法 pca_3=PCA(n_components=3) 維度設置 fit 訓練數據 da

原创 19、Python數據特徵選擇,模型選擇法

 1  模型選擇法 把建好的模型對象傳入選擇器,然後根據這個已經建好的模型,自動幫我們選擇最好的特徵值。 2 案例代碼 import pandas data = pandas.read_csv('D:\\database\\pyst

原创 18 python數據特徵選擇,遞歸特徵消除法

1 遞歸特徵消除法(RFE) 使用一個基模型來進行多輪訓練,經過多輪訓練後,保留置頂的特徵數 RFE是recursive feature elimination迴歸特徵消除,讓迴歸特徵消除過程中只保留no_features個最重要的特徵,

原创 16、python用方差方法選擇數據特徵

1 方差選擇法  先計算各個特徵的方差,選擇方差大於閾值的特徵 2 案例 import pandas data = pandas.read_csv('D:\\database\\pystudy\\6.2\\data1.csv') #

原创 17、Python特徵工程,用相關係數法選擇數據特徵

1 相關係數法 先計算各個特徵對目標值得相關係數,選擇更加相關的特徵 2 代碼案例 import pandas data = pandas.read_csv('D:\\database\\pystudy\\6.2\\data2.cs

原创 10、python隨機森林案例實戰

目錄 1 概念 2 優點 3 理論方法 4、代碼完整案例 1 概念 隨機森林:隨機森林是包含多個決策樹的分類器,並且其輸出類別是由個別樹輸出的類別的衆數而定 決策樹見案例:https://blog.csdn.net/qq_36327687

原创 VBA程序打開文件時被強制刪除,無法使用模塊

1 環境 第二天開機打開含有VBA程序的excel,突然彈出一個修復窗口,必須點擊確定,否則退出。 修復之後見下圖:   淚崩:所有的VAB程序一次開機之間啥也沒有了,工作。。。。 2 下面說一下解決方法 01  按alt+F11 可以

原创 13、python數據標準處理(0-1標準化、Z標準化、normalizer歸一化)

數據標準化處理 問題: 量綱不一:就是單位、特徵的單位不一致,不能放在一起比較 處理方法: 0-1標準化、Z標準化、normalizer歸一化 案例: # -*- coding: utf-8 -*- import pandas imp

原创 11、python分類方法 SVM支持向量機案例完整

1 支持向量機 (簡稱SVM)是一個功能強大並且全面的機器學習模型,它能夠執行線性或非線性分類、迴歸,甚至是異常值檢測任 務。它是機器學習領域最受歡迎的模型之一,任何對機器學習感興趣的人都應該在工具箱中配備一個。SVM特別適用於中小型複雜