人工智能基础课堂纪要2 / 开普饭

我们知道Pandas是在NumPy的基础构建而来,因此,熟悉NumPy可以更加有效的帮助我们使用Pandas. NumPy主要用C语言编写,因此,在计算还和处理一维或多维数组方面,它要比Python数 ...

数组与数的运算 arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]]) arr + 1 arr * 2 arr / 2 # 可以对比pytho ...

Numpy的基本操作 1 生成数组的方法 1.1 生成0和1的数组 np.ones(shape, dtype) np.ones_like(a, dtype) np.zeros(shape, dtype ...

5.2 基本数据操作 1.索引操作 1.直接 -- 先列后行 2.loc -- 先行后列,索引值 3.iloc -- 先行后列,索引值的下标 4.ix -- 先行后列,混合索引 2.赋值操作 1.对象 ...

1.9 k近邻算法总结[**] 优点: 1.简单有效 2.重新训练代价低 3.适合类域交叉样本 4.适合大样本自动分类缺点: 1.惰性学习 2.类别评分不是规格化 3.输出可解释性不强 4.对不均衡 ...

2.6 api介绍[**] 1.梯度下降法 sklearn.linear_model.SGDRegressor(loss="squared_loss", fit_intercept ...

4.2 决策树分类原理[*****] 1.信息增益信息增益 = entroy(前) - entroy(后) 注意:信息增益越大,我们优先选择这个属性进行计算信息增益优先选择属性总类别比较多的进行划 ...

5.3 Boosting[**] 1.boosting集成原理随着学习的积累从弱到强 2.实现过程 1.初始化训练数据权重,初始权重是相等的 2.通过这个学习器,计算错误率 3.计算这个学习期的投票 ...

景观树的画法解析 END

人工智能基础课堂纪要2