原创 【數據分析day07】機器學習入門 & KNN（分類，迴歸）
機器學習入門 & KNN機器學習入門原理機器學習分類1. 有監督學習（知道結果）分類 （有限數據）迴歸 （無限數據）2. 無監督學習聚類3. 半監督學習（不用管）深度學習KNN 基礎知識k-近鄰算法原理適用數據範圍：優缺點&改進K
2020-07-05 07:08:31
1
原创 【jupyter安裝和啓用】
進入你想要管理的目錄，在路徑下輸入CMD啓動終端 執行安裝： 創建虛擬環境： virtualenv .jupyterenv cd 進入該虛擬環境".jupyterenv"目錄下的“ Scripts”目錄 ，終端執行“a
2020-07-05 06:29:04
原创 【數據分析day08】人類動作識別，癌症預測，預測年收入是否大於50K美元
練習：人類動作識別，癌症預測，預測年收入是否大於50K美元人類動作識癌症預測預測年收入是否大於50K美元 人類動作識 導入數據 X_train = np.load('./動作分析/x_train.npy') X_test = n
2020-07-05 06:29:04
6
原创 【數據分析day04】pandas數據處理三：數據聚合&“高級”數據聚合
pandas數據處理三：數據聚合&高級數據聚合數據聚合高級數據聚合萬能函數 apply() 數據聚合 數據聚合是數據處理的最後一步，通常是要使每一個數組生成一個單一的數值。 數據分類處理： 分組：先把數據分爲幾組 聚合 , 求
2020-07-05 06:29:03
1
原创 【數據分析day06】matplotlib 2D圖
matplotlib 2D圖直方圖條形圖餅圖散點圖 直方圖 參數只有一個x，一維數據 hist()的參數 bins： 可以是一個bin數量的整數值，也可以是表示bin的一個序列。默認值爲10 density： 如果值爲T
2020-07-05 06:29:03
原创 迭代器vs可迭代對象，推導式vs生成器
迭代器vs可迭代對象，生成式vs生成器,推導式迭代器vs可迭代對推導式（生成式） vs 生成器附錄 迭代器vs可迭代對 迭代器(類)：凡是實現了__iter__,__next__的對象就是迭代器。 可迭代對象：只實現了_
2020-07-05 06:29:03
原创 【數據分析day05】濾鏡 & scipy處理圖片（含三種降噪：高斯濾波，中值濾波，維納濾波）
濾鏡 & scipy處理圖片（含三種降噪：高斯濾波，中值濾波，維納濾波）濾鏡scipy處理圖片移動座標：ndimage.shift旋轉圖片：rotate縮放圖片：zoom切割圖片：切片過濾 （降噪）添加噪點：降噪（三種）高斯濾波：
2020-07-05 06:29:03
原创 【數據分析day05】ffmpeg操作
ffmpeg操作簡介從視頻中提取音頻視頻截取從視頻中提取無聲視頻合併視頻和音頻擴展mp3數據mp4數據 簡介 FFmpeg是一套可以用來記錄、轉換數字音頻、視頻，並能將其轉化爲流的開源計算機程序。 流文件（可在線拉進度）
2020-07-05 06:29:03
原创 【數據分析day01】19道numpy練習題（含4種排序）
19道numpy練習題（含4種排序）numpy練習or:4種排序(冒泡,選擇,插入,快速) numpy練習 or: 注意: 創建一維數組 size後接一維元素個數（size=8），而不是元組 4種排序
2020-07-05 06:29:03
原创 【數據分析day07】matplotlib 3D圖 & 玫瑰圖
matplotlib 3D圖 & 玫瑰圖3D圖玫瑰圖 3D圖 看成是沒有厚度的曲面 導包 from mpl_toolkits.mplot3d.axes3d import Axes3D 生成三維座標系 projector 投影
2020-07-05 06:29:03
原创 【數據分析day06】matplotlib圖片灰度的處理
圖片灰度的處理注意 ：1. 如果是三維的，設置cmap='gray'無效2. “圖片灰度” 實際上是降維處理，將三維聚合成二維最小值法最大值法平均值加權平均法 圖片的灰度化處理就是把彩色圖片轉化爲黑白圖片. 操作第三維度（顏色維
2020-07-05 06:29:03
原创 【數據分析day04】數據加載（讀/寫）
pandas提供了一些用於將表格型數據讀取爲DataFrame對象的函數，期中read_csv和read_table這兩個使用最多 導包： import pandas as pd from pandas import Series
2020-07-05 06:29:03
原创 【數據分析day04】pandas數據處理一：刪重&映射
pandas數據處理之刪重&映射1、刪除重複行1） 檢查2） 刪重2. 映射1）replace()2) map()函數3) rename()函數 1、刪除重複行 1） 檢查 使用 df.duplicated() df.dupli
2020-07-05 06:29:03