math_gao的博客

Python，sklearn，CountVectorizer，文本提取，计数矩阵，toarray

Python，LDA主题模型，LatentDirichletAllocation，文本分类

Python，re，\u4e00，\u9fa5，[\u4e00-\u9fa5]+，Unicode码，re.findall，提取中文，分词，jieba，

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns# 导入主成分分析包from sklearn.decomposition import PCAimport warningswarnings.filterwarnings("ignore")# 初始化数据集from sklearn.datasets import load_breast_cancercan

1. Pandas 中的 samplen，设置直接取原数据中的多少数据。frac，设置取原数据的多少比例。df = pd.DataFrame(np.random.randn(400).reshape(100,4))df.head() 0 1 2 30 0.014483 0.044465 0.850342 0.7642591 0.967565 0.174887 0.519950 0.4509562 -0.669433 -0.629411 -1.288723 0.1197293 0.995928

1. 下载安装selenium模块pip install -U selenium #安装pip show selenium #查看是否安装成功2. 安装与浏览器匹配的webdriver2.1 在浏览器里输入 chrome://version/ 这个链接来查看版本（自己使用的是谷歌浏览器）。下面第一栏就是版本信息。2.2 选择合适的driver进行下载，下载地址：http://chromedriver.storage.googleapis.com/index.ht

CNN 最擅长的是处理图片。图像由像素组成，每个像素又有颜色构成。比如，一张像素1000x1000x3的RGB图片，若用传统的神经网络（只有全连层），会有3百万的参数。这样处理起来，会非常费资源，又耗时，效率很低。而CNN就是将问题‘复杂简单化’，通过卷积降低数据维度，再作全连层处理。在大部分场景下，降维并不会影响结果。比如，1000像素的图片缩小成200像素，并不影响肉眼认出来图片中是一只猫还是一只狗，机器也是如此。基本原理典型的CNN有3个部分构成：卷积层负责提取图像局部特征池化层用来

文章目录时序特点时序模型的前提时序模型的自相关图和偏自相关图时列模型训练&检验&预测模型评价时序特点一系列相同时间间隔的数据点只有一列数据，没有变量与变量之间的关系 线性回归中，有自变量和因变量数据在时间上有相关性，即前后相关 线性回归中，数据点间相互独立用历史数据预测未来数据时序模型的前提平稳性 数学上，时序的期望和方差基本上不随时间变动。 时序图上，数据点围绕一个常数上下波动。 统计学上，p-value 是否小于显著水平

方法一：自定义处理# 将数据scale为(0,1)间数据scaled_df = (df - df.min()) / (df.max()-df.min()) # 将(0,1)间数据scale回原来的范围scaled_df * (df.max() - df.min()) + df.min()方法二：MinMaxscalerfrom sklearn.preprocessing import MinMaxScalerscaler = MinMaxScaler(feature_range=(0,