- 博客(7)
- 收藏
- 关注
RSS订阅原创 datawhale深入浅出Pytorch02——Pytorch各个模块组件
本文主要参考DataWhale开源学习——深入浅出Pytorch，GitHub地址：https://github.com/datawhalechina/thorough-pytorch回顾我们在完成一项机器学习任务时的步骤，首先需要对数据进行预处理，其中重要的步骤包括数据格式的统一和必要的数据变换，同时划分训练集和测试集。接下来选择模型，并设定损失函数和优化函数，以及对应的超参数（当然可以使用sklearn这样的机器学习库中模型自带的损失函数和优化器）。最后用模型去拟合训练集数据，并在验证集/测试集上计算模
2022-07-15 23:41:10
391
原创 datawhale数据分析5——数据可视化数据建模及模型评估
Task05：数据建模及模型评估声明：本文主要参考DataWhale开源学习——动手学数据分析，GitHub地址：https://github.com/datawhalechina/hands-on-data-analysis#第一步依旧是准备工作导入库，数据import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltfrom IPython.display import Im
2022-03-24 01:48:28
2684
原创 datawhale数据分析4——数据可视化
Task04：数据可视化在经历了数据清洗，重构等基本操作之后，我们应该迫不及待地想知道数据长什么样子，比起光看表格和数字，用图形进行可视化展示显然可以让我们更好地了解数据，为接下来的工作做准备。声明：本文主要参考DataWhale开源学习——动手学数据分析，GitHub地址：https://github.com/datawhalechina/hands-on-data-analysis#准备工作：导入库，导入数据%matplotlib inlineimport numpy as npimport
2022-03-21 01:28:19
1722
原创 datawhale数据分析3——数据重构
Task03:数据重构声明：本文主要参考DataWhale开源学习——动手学数据分析，GitHub地址：https://github.com/datawhalechina/hands-on-data-analysis#准备工作：导入库，导入数据import numpy as npimport pandas as pdtext = pd.read_csv('xxxx.csv')text.head()一.数据的合并1.1 任务一：将data文件夹里面的所有数据都载入，与之前的原始数据相比，观察
2022-03-18 23:52:51
536
原创 datawhale数据分析2——数据清洗与特征处理
Task02：数据清洗与特征处理声明：本文主要参考DataWhale开源学习——动手学数据分析，GitHub地址：https://github.com/datawhalechina/hands-on-data-analysis一.数据清理与特征工程import numpy as npimport pandas as pdpath = 'D:/datawhale/hands-on-data-analysis-master/hands-on-data-analysis-master/2/train.
2022-03-17 20:35:55
154
原创 datawhale数据分析1——数据加载及探索性分析
Task01：数据加载及探索性数据分析声明：本文主要参考DataWhale开源学习——动手学数据分析，GitHub地址：https://github.com/datawhalechina/hands-on-data-analysis一.数据载入与初步观察1.1 数据加载1.1.1 导入库使用import（一般下载好的anaconda都自带numpy和pandas，无需再下载）1.1.2 载入数据1.绝对路径：df = pd.read_csv(‘train.csv’)2.相对路径：df = p
2022-03-16 00:26:44
201
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