机器学习
文章平均质量分 66
王_teacher
教学里的常青树,讲师里的顶梁柱
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
CrossEntropy Loss(交叉熵损失)和 NLLLoss(负对数似然损失):数学公式 + 代码示例
详细解析了交叉熵损失函数的数学公式和实例 与NLLLoss的区别原创 2026-06-17 13:07:45 · 223 阅读 · 0 评论 -
numpy-创建数组 np.array np.zeros, zeros_like,ones,empty,full
numpy-创建数组 np.array np.zeros, zeros_like,ones,empty,full原创 2025-11-17 21:39:03 · 373 阅读 · 0 评论 -
numpy -随机数生成 rand()、.randint()、.randn()、.random() 图形演示
numpy -随机数生成 rand()、.randint()、.randn()、.random() 图形演示原创 2025-11-20 12:00:51 · 319 阅读 · 0 评论 -
pandas数据过滤,loc,iloc,条件选择,pandas常用函数
pandas基础教程,pandas函数使用,pd.loc, pd.iloc, 条件选择,原创 2025-11-08 22:25:08 · 202 阅读 · 0 评论 -
pandas-读取数据并显示,pd.read_csv(),df.tail(),df.head(),df.shape,df.info(),describe()使用方法
pandas-读取数据并显示,pd.read_csv(),df.tail(),df.head(),df.shape,df.info(),describe()使用方法原创 2025-11-08 19:34:03 · 994 阅读 · 0 评论 -
pandas-数据统计函数,max,min,value_counts,agg,apply,map
pandas 统计函数 min,max,mod,value_counts,map,agg,group,图形显示,统计函数原创 2025-11-09 20:16:03 · 759 阅读 · 0 评论 -
pandas-数据清洗dropna,fillna,to_numeric,replace 图形解释
pandas-数据清洗dropna,fillna,to_numeric,replace图形解释原创 2025-11-16 22:31:44 · 924 阅读 · 0 评论 -
安装pycharm2023.3.6 免安装版
安装pycharm 安装pycharm免安装版 PyCharm历史版本下载地址为jetbrains官网的Other Versions页面。安装时需要解压到新建文件夹,运行pycharm64.exe。推荐安装三个实用插件:IndentRainbow(彩色标注缩进层级)、RainbowBrackets(彩色匹配括号)和中文语言包。这些插件能显著提升代码可读性,解决括号匹配和缩进识别问题,是编程效率的利器。原创 2025-09-05 09:49:42 · 1112 阅读 · 0 评论 -
conda创建虚拟环境
摘要:本文介绍了如何创建和管理Conda虚拟环境。首先通过conda info -e查看现有环境,避免重复命名导致覆盖。然后使用conda create -n pachong python=3.10创建新环境。在PyCharm中配置环境时,需选择Conda可执行文件路径并加载环境。成功配置后,终端会显示(pachong)环境名称。注意要确保环境路径正确,避免配置失败。原创 2025-10-24 09:11:30 · 459 阅读 · 0 评论 -
pycharm2023 配置conda虚拟环境
在PyCharm中配置Conda环境,需在右下角选择Conda可执行文件路径并加载环境。若路径未显示,可手动查找。选择现有Conda环境后,在终端测试,若出现环境名如"(pachong)"则说明配置成功。适用于PyCharm 22版等版本。原创 2026-03-29 21:41:29 · 142 阅读 · 0 评论 -
安装Anaconda3-2023.07-2-Windows-x86_64
清华大学开源软件镜像站提供Anaconda软件存档下载服务。Anaconda安装成功后,Navigator会提示更新,在控制台显示版本号即表示安装完成。原创 2025-09-01 20:38:21 · 674 阅读 · 0 评论 -
机器学习基本概念:数据集 特征 样本 标签
摘要:数据集是用于模型训练的全部数据集合,包含样本、特征和标签。样本是数据集中的单条数据(如一条房屋信息),特征是描述样本的属性(如面积、房间数),标签是模型预测的目标(如房价)。简言之,数据集提供训练数据,样本是输入,特征用于区分样本,标签是预测结果。原创 2026-03-27 10:09:38 · 131 阅读 · 0 评论
分享