LDC，公众号【轻松学编程】

1、解析网站2、提取主要信息的xpath3、开线程爬取4、保存成csv文件

1、数据准备2. 创建可视化布局3.、绘制柱状图4、创建表格5、设置字体大小、标题、图例6、显示图表

windows安装pytorch

基于word2vec的文本大数据分析1、获取数据2、预处理3、模型训练、保存4、模型预测5、模型评估6、模型优化

1、连接数据库，获取数据2、把一些中文字符转成gbk，忽略掉无法转化的3、把数据转成csv

特征标准化处理（特征归一化）可以消除单位和尺度差异、适应算法要求、提高数据稳定性，还可以统一数据范围、加速算法收敛、提高模型性能等。

最小-最大值标准化Z分数标准化绝对值标准化中位数和四分位数间距（IQR）规范化器

特征重要性(分类器模型：xgboost、梯度提升、随机森林)卡方检验(统计学，逻辑斯蒂、向量机、贝叶斯)F-value值评估互信息递归特征消除斯皮尔曼秩相关系数

1、导入库2、加载数据集3、训练模型4、提取特征重要性5、绘制条形图

绘制特征平台均值与方差图1、获取每一种类型的特征2、求均值与方差3、使用Bar()柱形图实现堆叠4、方差图：最大值=均值+标准差，最小值=均值-标准差

1、确定划分的步长n2、划分子数组，如果子数组不是n的整数倍，则截断3、重塑数组为二维，每行是一个子数组4、找到每行的最大值，转成列表5、获取列表的均值，标准差6、输出

数据分析训练模型后输出模型评估报告准确率、精确率、召回率、F1score概念、公式、代码

模型训练如何实现自动化输出评估报告、模型、特种平台1、设置模型初始准确率期望值与训练轮数2、多个分类器多线程训练3、获取特征并随机划分训练集与测试集4、保存模型、评估报告、特征与对应的训练数据主键（id）

1、指数平滑法是一种常用的时间序列预测算法，有一次、二次和三次平滑，通过加权系数来调整历史数据权重；2、主要思想是：预测值是以前观测值的加权和，且对不同的数据给予不同的权数，新数据给予较大的权数，旧数据给予较小的权数3、一次平滑适用于无明显趋势的数据；4、二次平滑用于修正线性趋势；5、三次平滑处理二次曲线趋势；6、加权系数a的大小影响预测的敏感性和平滑程度。

如何获取numpy数组中大于某个阈值的特定间隔的元素

1、分割数组2、转列表

如何使用numpy统计数组中每个值出现的次数

1、使用unique函数获取每个元素的出现次数2、转成字典并按照值进行降序排序3、找出出现次数最多的数

如何在numpy数组中找到连续的数值、正数、负数、零1、导入库 numpy2、获取对应的下标3、获取所有相邻元素差值不为1的值，并截取成子列表

1、np.diff获取相邻元素的差值2、只要d_list的绝对值大于threshold，就可以添加一个split-point。3、使用np.flatnonzero，可以获得与np.split兼容的索引4、划分子集5、降序排列6、返回数组第一个元素

卷积神经网络图像识别车辆类型1、获取数据，把图像转成矩阵，并随机划分训练集、测试集2、把标签转为数值，将标签向量转换为二值矩阵3、图像数据归一化，0-1之间的值4、构造卷积神经网络5、设置图像输入形状(32, 32, 3)6、设置卷积、池化层输出为三维矩阵7、三维平展为一维,输入全连接层8、输出层使用 softmax 激活函数，用于多分类问题9、初始化 RMSprop 优化器10、编译模型11、添加训练轮数早停止机制12、训练模型13、评估模型，显示评估指标图像14、预测

推荐算法的准确率、精准度、召回率、F1值

系统：图书用户协同推荐系统、网络小说推荐系统、旅游景点推荐系统、课程推荐系统、电影推荐系统算法：用户协同过滤、物品协同过滤、随机森林、图神经网络算法、关联规则推荐算法、kmeans-聚类、神经网络学习

使用tensorflow预测数据回归曲线1、读取数据2、输入层一个神经元，输出层一个神经元，中间 10 个3、设置第一层、第二层神经元4、构建损失函数5、训练6、画图

机器学习十大模型算法说明(附python实现代码)k-means、knn、DBSCAN聚类、SVM向量机、逻辑斯蒂回归、贝叶斯、决策树、随机森林、神经网络、CNN卷积

有监督：SVM向量机、梯度提升、决策树（随机森林）、朴素贝叶斯、逻辑斯蒂回归、神经网络（cnn、rnn）无监督：k-means、隐马尔可夫

python使用隐马尔可夫模型识别振动波形数据MFCC特征1、由于HMM是无监督机器学习的生成模型，不需要标签2、为每个类别都构建HMM模型进行提取MFCC特征进行训练3、使用4作为components的数量，这正是HMM模型中隐藏状态的数量4、找出最佳状态数：测试不同值，并挑选优化预测的那个值5、存储每个类别训练后的模型6、对新数据进行预测时，调用所有模型，并进行评分，选择最高分对应模型类别作为预测值

numpy二维数组新增第一列值并删除最后一列

k-means获取最佳k值：手肘法与轮廓系数法

使用Pandas读取MySQL数据

python把二维列表转成一维列表

python 使用svm支持向量机对数据进行分类

python波形峰值检测

numpy比较二维数组是否相等

numpy对数组进行过滤并获取下标

numpy获取二维数组某一行、某一列

python 与matlab一些常用函数互转

向量空间夹角余弦值数学公式欧氏空间中定义了标准内积,就是对应分量相乘之和.这一点也和2,3维空间中内积定义的一样.那么向量a,b夹角的余弦为：cos=(ab的内积)/(|a||b|)即：a,b的内积除以它们的模的乘积等于二者夹角余弦。方式1：使用for循环来求解代码import mathdef cos_dist(a, b): ''' cos=(ab的内积)/(|a||b|) :param a: :param b: :return: '''

python录制音频

使用openpyxl库读取和写入Excel表格1、导入openpyxl库pip install openpyxl2、创建xlsx文件import datetimefrom openpyxl import Workbookwb = Workbook()# 激活第一个sheet表格sheet = wb.activesheet['A1'] = 'hello world' # 在A1单元格写入字符串sheet['A2'] = datetime.datetime.now() # 在A2单元格直接