y98989的博客

猫狗数据集实验一、名词解析二、环境搭建1、添加jupyter_contrib_nbextensions插件2、配置TensorFlow、Keras三、猫狗数据集实验一、名词解析二、环境搭建1、添加jupyter_contrib_nbextensions插件安装jupyter_contrib_nbextensions库：pip install jupyter_contrib_nbextensions -i https://pypi.douban.com/simple/配置到jupyterjup

目录一、什么是信息熵二、香农-凡诺编码与霍夫曼编码实例验证三、BMP文件字节计算一、什么是信息熵二、香农-凡诺编码与霍夫曼编码实例验证三、BMP文件字节计算

用Excel和python编程完成线性规划问题的求解一、问题描述二、使用EXCEL完成线性规划问题求解一、问题描述二、使用EXCEL完成线性规划问题求解（一）

用拉格朗日方法求解，手工求解和编程求解一、问题描述二、手工求解三、python编程求解一、问题描述二、手工求解三、python编程求解使用jupyter python3编程导入包，设置变量# 导入包from sympy import *# 设置变量x,y,z,k = symbols('x,y,z,k')a,b,c=symbols('a,b,c')f = 8*x*y*zg = x**2/a**2+y**2/b**2+z**2/c**2-1构造拉格朗日函数#构造拉格朗日函数L

目录一、名词解析（一）微分（二）梯度（三）梯度下降法二、用梯度下降法手工求解函数的极小值点一、名词解析（一）微分由函数B=f(A)，得到A、B两个数集，在A中当dx靠近自己时，函数在dx处的极限叫作函数在dx处的微分，微分的中心思想是无穷分割。微分是函数改变量的线性主要部分。微积分的基本概念之一。（二）梯度梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。（三）梯度下降法梯度下降法是一

python矩阵基本运算一、python矩阵操作二、python矩阵乘法三、python矩阵转置四、python求方阵的迹五、python方阵的行列式计算方法六、python求逆矩阵/伴随矩阵七、python解多元一次方程一、python矩阵操作1、引入numpy简写为np2、使用mat函数创建一个2*3的矩阵3、使用shape可以获取矩阵的大小4、使用下标读取矩阵中的元素5、进行行列转换6、创建一个二维数组b7、分别对其进行加减法二、python矩阵乘法1、使用二维数组创建两个

Jupyter下完成一个鸢尾花数据集的线性多分类、可视化显示与测试精度实验一、jupyter notebook的安装（一）jupyter notebook的具体安装步骤一、jupyter notebook的安装（一）jupyter notebook的具体安装步骤1、在命令行进入到python的Scripts目录下2、输入命令 pip3 install jupyter下载jupyter notebook...

Anscombe四重奏数据集分析一、数据集一二、数据集二三、数据集三四、数据集四一、数据集一结果：其中R：0.668542残差平方和：13.76269P=0.00217回归线性方程为：y=0.50x+3.0判断：散点多居于直线两侧，方程不成立，无法做回归分析二、数据集二结果：其中R：0.666242残差平方和：13.77629P=0.002179回归线性方程为：y=0.50x+3.000909判断：图形呈抛物线，方程不成立三、数据集三结果：其中R：0.666324残差

目录一、线性回归练习一、线性回归练习要解决的问题：父亲高则儿子高，父亲矮则儿子矮”（即父亲与儿子身高相关，且为正相关）、“母高高一窝，父高高一个”（即母亲的身高比父亲的身高对子女的影响更大）的习俗传说是否成立？利用线性回归验证传统习俗是否成立？（一）选取父子身高数据为X-Y，用Excel计算线性回归方程和相关系数、方差、p值等，判断回归方程是否成立。 现在如果有一个新家庭的数据，已知父亲身高75英寸，请测算儿子的身高为多少？1、对父母子女身高数据集进行线性回归分析可得线性回归方程y=0.366