- 博客(7)
- 收藏
- 关注
RSS订阅原创 机器学习day。。。
经典------鸢尾花数据处理 库导入 import seaborn as sn #数据可视化库 import matplotlib.pyplot as plt import pandas as pd from sklearn.datasets import load_iris, fetch_20newsgroups #sklearn下的数据 from sklearn.model_selection import train_test_split #数据分割 plt.rcParams['font.
2021-11-24 20:13:57
305
原创 机器学习 Day？（python环境下）
处理沪深300股票获得收益率 (数据内容来自dsai-book/tools at master · dsai-python/dsai-book · GitHub） #1 load the api import matplotlib.pyplot as plt import pandas as pd import numpy as np import os #2 read the data index_path = r'D:\python_pycharm\dsai-book-master\dat
2021-11-16 17:34:31
883
原创 jsp 之 database 的搭建
1. mysql5.0的搭建： mysql5.0和安装步骤说明.zip - 蓝奏云 详情请见里面的文档（大神牛逼） 2. 第九周jsp作业之mysql排雷： 2.1 前面建数据库和建表都还好，就是在输入数据的时候出现了异常： “Incorrect string value: '\xB8\xDF\xB5\xC8\xCA\xFD...' for column 'name' at row 1” 这时候需要设置字符编码为gbk，指令为： set names gbk; 具体查看：
2021-11-08 00:50:06
461
原创 机器学习day3-逻辑回归
先上大纲： 1.数据获取 2.数据处理（这里包括：2.1缺失值的处理、2.2特征值，目标值的确认、2.3分割数据 3.特征工程 4.机器学习（*逻辑回归*-对于事物的分类，结果会是介乎0-1之间的值。值得一提的是一般情况下现性回归的输出值会是逻辑回归的输入值，当线性回归的结果输出之后就对数据进行"sigmoid"运算得到逻辑回归的数据，通过我们设置的阈值作为标准将数据分为两类：算出的数据属于两类数据的哪一类之后与真实情况对比，计算精确率和精确率。 5.模型的评价 先上api： from
2021-09-17 23:02:37
226
原创 机器学习第二天-线性回归
机器学习总纲领： 1.数据的获取 2.数据的基本处理（分割数据） 3.特征工程（数据的标准化） 4.训练数据，机器学习 5.模型的评估 #import database from sklearn.datasets import load_boston # the dataset of boston house price from sklearn.model_selection import train_test_split # the d...
2021-09-14 22:10:56
153
原创 jsp编程之Myeclipse的搭建
写在前面：本文旨在学习与观摩，非盈利。如有侵权行为请与在下联系 1.Myelipse的下载（选国外的网址，国内的坑的一p，要我注册用户，还要在网盘下载，我真的是独揽啊）： MyEclipse的网址：MyEclipse :: The best Java IDE for enterprise development 接下来肯定有同学就说了：我看不懂英文怎么办啊！！！ 别急下面就是2017版本的下载地址： MyEclipse2017下载地址:MyEclipse Download Post - Genui
2021-09-13 20:32:06
809
原创 机器学习day1
画饼状图：引入matplotlib.pyplot库，以及 pylab中的mpl库，pylab结合了numpy和matplotlib.pyplot，对交互式是用来说比较方便，既可以画图又可以进行简单计算。 #引入库 import matplotlib.pyplot as plt from pylab import mpl # 设置显示中文字体 mpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置正常显示符号 mpl.rcParams["axes.unicod
2021-08-04 15:08:26
430
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人