mashuaiss的博客

第一章 Pandas基础一、首先准备二、文件读取与导入1、读取2、写入三、基本数据结构1.Series2.DataFrame四、常用基本函数1. head和tail2. unique和nunique3. count和value_counts4. describe和info5. idxmax和nlargest6. clip和replace7. apply函数五、排序1. 索引排序2、值排序六、问题与...

第 12 期 Datawhale 组队学习Pandas 教程（上）综合练习一、2002 年-2018 年上海机动车拍照拍二、2007 年-2019 年俄罗斯机场货运航班运载量三、新冠肺炎在美国的传播四、学习总结Pandas 教程（上）综合练习一、2002 年-2018 年上海机动车拍照拍问题(1) 哪一次拍卖的中标率首次小于 5%？(2) 按年统计拍卖最低价的下列统计量：最大值、均值、0...

SVM一、学习内容二、代码设计1、硬间隔2、软间隔3、核函数2、软间隔3、SMO求解SVM4、代码实现一、学习内容SVM 硬间隔原理SVM 软间隔SMO 求解SVM二、代码设计1、硬间隔本文是需要一定基础才可以看懂的，建议先看看参考博客，一些疑惑会在文中直接提出，大家有额外的疑惑可以直接评论，有问题请直接提出，相互交流。SVM-统计学习基础一开始讲解了最小间距超平面：所有样本到平...

第5章 合并一、append与assign1. append方法（a）利用序列添加行（b）用DataFrame添加表2. assign方法二、combine与update1. comine方法（a）填充对象（b）一些例子（c）combine_first方法2. update方法（a）三个特点（b）例子三、concat方法四、merge与join1. merge函数2. join函数import ...

条件随机场一、马尔可夫过程1.定义二、隐马尔科夫算法1.定义2.假设3.存在问题三、条件随机场 （以线性链条件随机场为例）1.定义2.基本问题一、马尔可夫过程1.定义假设一个随机过程中，tnt_ntn​ 时刻的状态xnx_nxn​的条件发布，只与其前一状态xn−1x_{n-1}xn−1​ 相关，即：P(xn∣x1,x2,...,xn−1)=P(xn∣xn−1) P(x_n|x_1,...

第4章 变形一、透视表1. pivot2. pivot_table3. crosstab（交叉表）二、其他变形方法1. melt2. 压缩与展开三、哑变量与因子化1. Dummy Variable（哑变量）2. factorize方法import pandas as pdimport numpy as npdf = pd.read_csv('mashuai/table.csv')df.he...

第3章 分组一、SAC过程1.内涵2.apply过程二、groupby函数1. 分组函数2. groupby对象的特点三、聚合、过滤和变换1.聚合（Aggregation）2.过滤（Filteration）3.变换（Transformation）四、apply函数1. apply函数的灵活性2. 用apply同时统计多个指标一、SAC过程1.内涵SAC指的是分组操作中的split-apply...

EM算法一、前言二、EM算法引入三、EM算法四、推导五、证明收敛六、高斯混合分布七 、参考文献 博客一、前言EM算法是机器学习十大算法之一，它很简单，但是也同样很有深度，简单是因为它就分两步求解问题，E步：求期望（expectation）M步：求极大（maximization)深度在于它的数学推理涉及到比较繁杂的概率公式等，所以本文会介绍很多概率方面的知识，不懂的同学可以先去了解一些知识...

朴素贝叶斯1、相关概念（生成模型、判别模型)2、先验概率、条件概率3. 贝叶斯决策理4、贝叶斯公式5. 极值问题情况下的每个类的分布概率6. 下溢问题如何解决7. 零概率问题如何解决？8. sklearn参数详解9. 优缺点1、相关概念（生成模型、判别模型)生成模型：在概率统计理论中, 生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联...

第二章 索引一、单级索引1. loc方法、iloc方法、[]操作符先康康什么样import pandas as pdimport numpy as npdf = pd.read_csv('mashuai/table.csv',index_col='Address')df.head()一、单级索引1. loc方法、iloc方法、[]操作符iloc表示位置索引，loc表示标签索引，...