qq_43163978的博客

原创 数据分析积累

1.推荐系统的评估 2.推荐系统评估指标

原创 多目标优化相关概念

参考论文：《多目标进化算法性能评价指标研究综述》计算机学报－王丽萍

原创 NSGA２算法原理及python实现

# Program Name: NSGA-II.py # Description: This is a python implementation of Prof. Kalyanmoy Deb's popular NSGA-II algorithm # Author: Haris Ali Khan # Supervisor: Prof. Manoj Kumar Tiwari #Importing required modules import math import random import...

原创 多目标进化算法

多目标遗传算法NSGA-Ⅱ与其Python实现多目标投资组合优化问题

原创 数据挖掘笔记

数据挖掘流程记录

原创 2021年BSS项目学习笔记

DateFrame的存储 如何使用pandas存储数据框 高效存储pandas的数据框 pandas技术手册

原创 python数据分析：数据载入、存储及文件格式

"""数据载入、存储及文件格式""" """ 输入和输出常用的类型：读取文本文件及硬盘上其他更高效的格式文件、从数据库载入数据、与网络资源进行交互 """ ##6.1 文本格式数据的读写 """ pandas有些函数将文本数据转换为DataFrame的机制，这类函数的参数主要有一下几种类型： 索引、类型推断和数据转换、迭代、未清洗数据问题 """ import pandas as pd #text01 """ a,b,c,d,message 1,2,3,4,hello 5,6,7,8,world

原创 差分进化算法（DE）

原创 基于Python的大数据分析实战

ch06 词云 #6.2.2 import jieba from collections import Counter content = open(r"F:\code\数据及相关的资料\pachong.txt",encoding='utf-8').read() con_words = [x for x in jieba.cut(content) if len(x) >= 2] print(Counter(con_words).most_common(10)) txt = '欧阳建国是创新办主任依

原创 机器学习实战ch03: 使用决策树预测隐形眼镜类型

决策树的一般流程 1.收集数据 2.准备数据：树构造算法只适用标称型数据，因此数据值型数据必须离散化 3.分析数据 4.训练算法 5.测试数据 6.使用算法 决策树的优点 1.数据形式非常容易理解 2.计算复杂度不高，输出结果易与理解，对中间值得缺失不敏感，可以处理不相关的数据 3.分类器可以通过pickle模块存储在硬盘上，节省计算时间 决策树得缺点 1.可能会产生多读匹配问题 构造决策树需要解决的问题 1.当前数据集上那个特征在划分数据分类时起决定性作用 划分数据 1.使用ID3算法..

原创 机器学习实战ch02: 使用K-近邻算法改进约会网站的匹配效果&识别手写数字

S 将海伦的约会对象分个类为三种类型的人： 不喜欢的人 魅力一般的人 极具魅力的人 海伦手机的样本（datingTestSet2.txt)主要包含以下3种特征 每年获得的飞行常客里程数 玩视频游戏所耗时间百分比 每周消费的冰淇淋公升数 T 使用K-近邻算法将匹配对象分到确切的分类中 A 1.收集数据 2.准备数据：使用python解析文本文件 3.分析数据：使用Matplotlib画图 4.训练算法：不适合KNN 5.测试算法：将海伦提供的部分数据作为测试样本（测试样本是已经完成分类的

原创 机器学习实战（python3)

码源&资料

原创 Pandas入门

import pandas as pd import numpy as np 5.1 pandas数据结构介绍 ##5.1 pandas数据结构介绍 #5.1.1Series """ Series:一维的数组型对象，索引 值 """ obj = pd.Series([4,7,-5,3]) print(obj) print(obj.dtype) print(obj.values)#值 print(obj.index)#索引 """创建一个索引序列，用标签表示每个数据点""" obj2 = pd.Ser

原创 算法图解

chapter1 二分查找 #1.2二分查找 def binary_search(list,item): low = 0 hight = len(list)-1 while low <= hight:#只要范围没有缩小到只包含一个元素 mid = (low + hight) // 2 # 向下取整也可以使用int(x)的形式 guess = list[mid] if guess == item: retu

原创 python_类鸟群：仿真鸟群

import sys, argparse import math from turtledemo.clock import tick, main import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animation from scipy.spatial.distance import squareform, pdist, cdist from numpy.linalg import norm

原创 matplotlib绘图与可视化

使用matplotlib：import matplotlib.pyplot as plt 简单的线性图 import matplotlib.pyplot as plt import numpy as np date = np.arange(10) plt.plot(date) plt.show() 1.图片和子图 一个带有三个子图的图片 #9.1图片与子图 fig = plt.figure()#生成一个新的图片 ax1 = fig.add_subplot(2,2,1) ax2= fig.ad.

原创 【2021]利用Python进行数据分析（第2版）

GitHub仓库 YouTube视频教程

原创 python安装

python包镜像文件

原创 《数学建模算法与应用》python-chapter2非线性规划

目标函数或约束条件包含非线性函数，则为非线性规划问题 若线性规划的最优解存在，则其最优解只能在其可行域的边界上达到，而非线性规划的最优解则可能在其可行域的任意一点达到 例1. import numpy as np from scipy.optimize import minimize # 目标函数 def objective(x): return x[0] ** 2 + x[1]**2 + x[2]**2 +8 # 约束条件 def constraint1(x): return x[0].

原创 《数学建模算法与应用》—chapter1.线性规划

线性规划的标准形式为： 例1.1 import numpy as np from scipy import optimize as op #定义决策变量 x1=(0,None) x2=(0,None) x3=(0,None) #定义目标函数系数和约束条件系数 c=np.array([-2,-3,5])#目标函数系数 A_ub=np.array([[-2,5,-1],[1,3,1]])#不等式约束系数A，２＊３矩阵 B_ub=np.array([-10,12])#不等式约束系数 A_eq=np.ar.

原创 《数学建模算法与应用》python实现——目录

1

原创 python数学建模入门

python在数学建模中的应用

原创 MATLAB智能算法30个案例分析（第二版）

目录

原创 遗传学算法（GA）学习笔记

参考资料 遗传学算法 遗传学算法中的轮盘赌 算法的特点 算法的理论基础 算法的基本概念 标准遗传算法 算法的改进方向 算法的流程 算法的关键参数

原创 PSO粒子群算法学习笔记

粒子群算法详解 Matlab仿真 求解函数 f=xsin(x)cos(2x)-2xsin(3x) ，求其在区间[0,20]上该函数的最大值。 clc;clear;close all; %% 初始化种群 f= @(x)x .* sin(x) .* cos(2 * x) - 2 * x .* sin(3 * x); % 函数表达式 figure(1);ezplot(f,[0,0.01,20]); N = 50; % 初始种群个数 d = 1;

原创 VISL

Hspice软件使用 CMOS模拟集成设计Hspice仿真

原创 《基于分水岭算法的圆形标记》笔记

图像预处理 圆形标记点粗定位 圆形标记点精定位 检查1 检查2 算法

原创 《基于神经网络的手写数字识别》笔记

part1.神经网络结构 part2.梯度下降算法 3Blue1Brown视频 补充资料 github

原创 chapter2深度学习之梯度下降法

2.1Review 数字的图像分辨率为28*28像素，每个像素的灰度值在0和1之间，它们决定网络输入层中784个神经元的激活值 下一层的每个神经元的激活值等于上一层所有激活值的加权和，再加上偏置，最后将这些输入到Sigmoid或者ReLu之类的压缩函数。 随意的选取含有16个神经元的两个隐含层的神经网络，计算出大概需要13000多个权重偏置值需要调整。 选取两层结构：数字9第一层识别0，第二层识别1，最后将图像拼接，从而实现手写数字识别 2.2MNIS数据集 MNIS数据集包含数以万计的手写数字扫描

原创 chapter1神经网络的结构

chapter1神经网络的结构 1.1前言 人脑可以轻易的识别下图的数字3（数字3的字迹虽不同，但它们像素的值是大相径庭的）。 大脑皮层中处理视觉的智能区域能够把不同字迹的数字3图像处理成相同的信息。 同时，还能把其他的图像解释成各自不同的信息。 如何写一个手写数字识别程(输入一个28*28像素的表格，输出一个0到9之间的个位数，判断写的数字是几)? 1.2手写数字识别神经网络（多层感知器MPL) Q1 什么是神经网络？ 什么是神经元？ 神经元之间如何联系在一起的？ 神经元：装有一个0到1之间

原创 吴恩达机器学习

吴恩达机器学习刷题

原创 目录

1

原创 python学习中遇到的问题

python的交互式编程与脚本式编程 解释器、脚本式编程、交互式编程

原创 Python小项目—照片马赛克

该项目用Python创建照片马赛克，将目标图像划分成较小图像的网络，并用适当的图像替换网络中的每一小块，创建原始图像的照片的马赛克。 用Python图像库（PIL）创建图像 计算图像的平均RGB值 剪切图像 通过粘贴另一张图像来替代原图像的一部分 利用平均距离测量来比较RGB值 工作原理 照片马赛克的实质：将一张图像分割成长方形的网络，每个长方形由另一张匹配“目标”的图像替代。 创建照片马赛克，从目标图像的块状低分配率版本开始（图像的分配率决定马赛克的维度MXN）。 读入一些小块图像，它们将取代原始图

原创 目录

流畅的Python GitHub代码库

原创 Python项目——万花尺

用turtle模块创建图形 使用参数方程 利用数学方程生成曲线 用线段画曲线 用定时器来生成图形动画 将图形保存为图像文件 利用海龟画图绘制圆 import math import turtle#Python的turtle模块来创建图案 #draw the circle using turtle def drawCircleTurtle(x,y,r): #move to the dtart of circle turtle.up()#调用up告诉python提笔，即让笔离开虚拟的纸 tu.

原创 廖雪峰python

廖雪峰Python 数据类型和变量 浮点数：1.23*10^9 可表示为1.23e9/12.3e8 字符串：以单引号或双引号括起来的任意文本 字符串内部既包含 ‘ 又包含 " ：用转义符 \ 来标识 'I\'m \"OK\"!' ======================================= I'm "OK"! \n表示换行 \t表示制表符 \表示的字符就是\ Python还允许用r’‘表示’'内部的字符串默认不转义 >>> print('\\\t\\')

原创 chapter1课程介绍

提升学习能力 共享单车出现的客观条件 移动支付 二维码 智能开锁等 -波士顿力-人形机器人 - MOOC 学堂在线 超星学习通 - “机器人可以替代大部分工作，只是缺乏想象力” 提升科研能力 本科/硕士/博士的区别？ 为什么读研究生？ 毕业后改行，值得吗？ 什么是科研？ 科研只有第一，没有第二 a.解决未知的问题 b.新事物或新规律 c.创造新事物 读研的意义？ a.全球视野 b.解决问题的能力 c.一些良好的习惯 什么样的工作能让人很容易快乐？ 科研 创业 好的课题从哪.

原创 chapter11 测试代码

Python在unittest,TestCase类中提供了很多断言方法 断言方法检查你认为应该满足的条件是否确实满足 课本例子 测试函数（针对单个的函数测试） name_function.py ===================================================================== def get_formatted_name(first,last): """Generate a neatly formatted full name....

原创 chapter10 文件和异常

python将文本解读为祖父穿，如果读取的是数字，并将其作为数值使用，就必须使用函数int()/float()将其转换 -Python只能将字符串写入文本文件，要将数值数据存储到文本文件中，必须先使用函数str()将其转换为字符串格式 课本例子 file_reader.py 从文件中读取数据 pi.text =================================================================== 3.1415926535 8979323846 26..