Python床头书系列、图计算系列、ML系列

最新推荐文章于 2025-07-23 22:01:01 发布
最新推荐文章于 2025-07-23 22:01:01 发布
阅读量580 收藏 7
点赞数 4
CC 4.0 BY-SA版权
分类专栏： python 文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wang2leee/article/details/135982576
本文围绕Python床头书系列，介绍了Pandas、NumPy、图计算库如JavaGraphStream、PythonLouvain等的使用，以及机器学习中的KNN、KMeans算法详解，还涉及了模型评估的混淆矩阵和ROC曲线。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Python床头书系列、图计算系列、ML系列

文章目录

床头书系列

  1. 【python床头书系列】python Series api用法方法全解
  2. 【python床头书系列】Python pandas pd.concat函数详解
  3. 【python床头书系列】Python Pandas中的join方法示例详解
  4. 【python床头书系列】Python Pandas中的append方法详解
  5. 【python床头书系列】python pandas.Series定义参数属性示例方法用法详解
  6. 【python床头书系列】python pandas.DataFrame参数属性方法用法权威详解
  7. 【python床头书系列】 NumPy用法示例权威详解
  8. 【python床头书】python scipy.sparse.linalg.gmres参数用法示例详解

图计算系列

  1. 【图计算系列】Java GraphStream 使用指南
  2. 【图计算】python社区检测python-louvain用法示例详解
  3. 【图计算】python Erdos-Renyi图的由来用法场景用途示例
  4. 【图计算】python NetworkX使用指南
  5. 【图计算】Bellman–Ford算法原理适用场景原则python java示例详解
  6. 【图计算】scipy.sparse.csgraph.dijkstra 功能示例详解

机器学习系列

  1. 【ML系列】python knn KNeighborsClassifier 最近邻算法选项用法示例详解

  2. 【ML系列】python KMeans用法选项示例详解

nlan.zhihu.com/p/673736491)

  1. 【ML评估系列】混淆矩阵通透解释 ROC绘制示例详解
机器学习Day06
JanLEE
08-06 343
机器学习DAY06 推荐引擎 推荐引擎意在把最需要的推荐给用户。 在不同的机器学习场景中通常需要分析相似样本。而统计相似样本的方式可以基于欧氏距离分数，也可基于皮氏距离分数。 欧氏距离分数 欧氏距离分数=11+欧氏距离 欧氏距离分数 = \frac{1}{1+欧氏距离} 欧氏距离分数=1+欧氏距离1​ 计算所得欧氏距离分数区间处于：[0, 1]，越趋于0样本间的欧氏距离越远，样本越不相似；越趋于1，样本间的欧氏距离越近，越相似。 构建样本之间的欧氏距离得分矩阵： $$ \left[ \begin{array
《从青铜学到王者》Python机器学习工程师之 推荐引擎原理，自然语言处理，词袋模型，TF-IDF 06
当回首往事的时候，不会因虚度年华而悔恨，也不会因碌碌无为而羞愧。
08-21 197
文章目录每天一遍，学习不厌推荐引擎自然语言处理（NLP）文本分词词干提取词性还原词袋模型词频（TF）文档频率（DF）逆文档频率（IDF）词频-逆文档频率(TF-IDF) 每天一遍，学习不厌 推荐引擎 推荐引擎涉及两件事：召回，排序。召回就是把你的需要的召回回来，在对所有的进行排序。 推荐引擎意在把最需要的推荐给用户。 推荐引擎有两种： 1，基于用户的协同过滤（user base cf）， 找到相似用户。（聚类，找到用户属于的类别。或者根据用户特征整理得到相似用户） 2基于项目（内容）的协同过滤。（找相似的
【python床头书系列】python Requests快速入门
wang2leee的博客
03-30 1241
【python床头上系列】python Requests快速入门
【python床头书】 heapq 堆队列算法参数用法示例详解
wang2leee的博客
03-10 934
【python床头书】 [heapq 堆队列算法函数方法示例详解](https://zhuanlan.zhihu.com/p/686206523)
docker技术文档系列总结
wang2leee的博客
09-20 1635
使用过的常用的docker命令用法选项示例总结
kerberos系列技术文档总结
wang2leee的博客
09-20 843
kerberos系列技术文档持续总结
计算机毕设参考文献、Java参考文献、MySQL参考文献、jsp参考文献、Python参考文献、微信小程序参考文献、外文参考文献
热门推荐
嘻哈
03-12 8万+
1.参考文献 1.1Javaweb通用 [1]张学诚。Java WEB开发中的中文乱码问题解决方法[J].电脑知识与技术，2018,14（27）：62-63. [2]汪美。基于Javaweb内置对象session的仿真[J].科技风，2019（10）：74. [3]张雪敏.浅议MVC设计模式在JavaWeb中的作用[J].科技风,2018(22):58-59. [4]王颖。 云计算编程模型中Java应用研究[J]. 福建质量管理，2016,03:186. [5]葛萌，张琳娜，陈伟。 Java多态性机制应用研
GAMES 图形学系列笔记（二十五）
龙哥盟
09-26 1425
好那个同学们啊，晚上好啊，今天是我们game 102课程的最后一节啊，那么跟以前一样。我们先看一下我们这个课程最后一次作业啊，作业时的一个情况啊，总体上交作业的同学还是不错的啊，同学的一些结果啊，这个同学是实现了那个就是显示方法啊，cross换算法，当然算法也出现一些小的问题。像比如这里一个连接应该是发生错误啊，但总体上大部分还是对的啊，那么这个顶点加密以后呢，这个就会避免这种错误。
江苏省大学生安全知识竞赛全自动答题
qq_38711589的博客
10-31 3822
js，python实现自动答题
机器学习高手成长指南，附攻略与路线图
AI科技大本营
07-18 6045
作者| Max Mynter编译 | 王启隆出品 | AI 科技大本营（ID：rgznai100）最近，有几位朋友通过 Twitter 私信向我咨询如何成为机器学习工程师。虽然我不是 Andrej Karpathy 那样的顶级专家，但作为一名稳扎稳打的中级机器学习工程师，我有一些经验可以分享。我是通过有计划的努力才达到现在的水平，而且我从业余爱好者转变为专业人士的过程就发生在不久前。如果你也想走...
machine-learning-portfolio:MLDL实现和相关研究论文的集合
04-10
在Titatnic数据集上使用Scikit-learn （ SVM，随机森林，决策树，Logistic回归）训练并验证了多种ML算法，以预测Titatnic乘客的生存率 实现了K-Nearest-Neighbor，以了解氨基酸中蛋白质的信息位置，以区分两种类型...
pytorch中的torch.compile是如何加速vLLM大模型推理的？
goodgood_UP的博客
07-22 620
torch.compile 通过将 PyTorch 代码 JIT（just in time） 编译为优化的内核，使 PyTorch 代码运行得更快，同时只需极少的代码更改。简单来说，torch.compile 利用 PyTorch 2.0 引入的动态图捕获（TorchDynamo）和图形编译（TorchInductor 等后端）技术，将模型的前向计算图转换为高度优化的低级代码（包括融合的GPU内核等），从而减少解释执行的开销。这种编译在模型第一次运行时会进行：它捕获模型的计算图并进行编译优化，因此。
用算法思维了解一个停车点的车辆情况
Buy0515的博客
07-20 637
如果你希望了解一个停车点的车辆情况，你需要有一些网络知识，了解 APP 和相关软件服务器之间的通讯协议，当了解了具体的接口之后就可以写一个包含循环的程序来定时判断某一个点的车辆数量信息，这个程序可以用 Python 来完成，涉及到的库不会超过 2 个，基本就是。对于这样的操作来说，真的只需要。
深入解析与实战应用：利用Python和Amazon Product Advertising API实战分析
2503_92516413的博客
07-21 578
在电商平台的运营中，关键词搜索接口是不可或缺的一部分，特别是在亚马逊这样的全球电商平台。请注意，你需要将<你的API_KEY>和<你的API_SECRET>替换为实际获取的API密钥。为了使用亚马逊的API接口，你需要获取API密钥，这包括API密钥（Key）和API密钥密文（Secret）。首先，你需要访问亚马逊开发者中心，注册一个开发者账号，并获取相应的API权限。API限制：亚马逊的API可能有请求频率限制，确保你的请求频率符合其规定，以避免被封禁。API_KEY = '<你的API_KEY>'
深度学习方法生成抓取位姿与6D姿态估计的完整实现
ZPC8210的博客
07-20 949
如何将GraspNet等深度学习模型与6D姿态估计集成到ROS2和MoveIt中，实现高精度的机器人抓取系统。
同时安装了 Python 3.8.20 和 Python 3.12.3如何指定默认版本
m0_71071763的博客
07-22 179
0 /usr/bin/python3.12 2 自动模式。1 /usr/bin/python3.12 2 手动模式。2 /usr/bin/python3.8 1 手动模式。有 2 个候选项可用于替换 python3 (提供 /usr/bin/python3)。要维持当前值[*]请按<回车键>，或者键入选择的编号：2。
写个 flask todo app，简洁，实用
waterHBO的博客
07-22 710
这是一个基于 Flask 框架开发的现代化 Todo 应用，专为个人任务管理而设计。应用采用简洁的界面设计和直观的操作方式，帮助用户高效管理日常任务。这个 Flask Todo 应用虽然功能简洁，但涵盖了任务管理的核心需求。它不仅是一个实用的工具，也是学习 Flask 全栈开发的优秀示例。无论是个人使用还是作为学习项目，都具有很好的实用价值。项目代码结构清晰，易于理解和扩展，是 Web 开发初学者和有经验开发者的理想选择。
时间序列预测Python机器学习应用
木头大左的博客
07-23 311
时间依赖性：当前值受过去值的影响。趋势性：数据可能呈现长期上升或下降的趋势。季节性：数据在固定周期内重复出现的模式。噪声：随机波动，无明显规律。
Flask框架全面详解
最新发布
q_cccc_的博客
07-23 769
Flask是一个基于Python的微型Web开发框架，诞生于2010年，由Armin Ronacher开发。它的核心思想是保持简单但易于扩展。Flask的特点轻量级：核心功能简单，不包含太多内置功能可扩展：通过丰富的扩展库添加所需功能灵活：不强制使用特定的项目结构或数据库基于Werkzeug WSGI工具箱和Jinja2模板引擎Flask以其简洁和灵活性成为Python Web开发的重要框架。通过本文的学习，你应该已经掌握了Flask的核心概念和常用功能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

BigDataMLApplication

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值