dataWhale

Datawhale动手学数据分析——第二章数据清洗、重构和可视化

在这个章节里，进行的是对数据的清洗、重构和可视化的操作。2.1缺失值观察与处理2.1.1任务一：缺失值观察importnumpyasnpimportpandasaspddf=pd.read_csv('train.csv')df.head()#方法一df.info()#方法二df.isnull().sum()2.1.2任务二：对缺失值进行处理（1）利用np.nan,None以及.isnull()检索
Elodieee·2022-12-15 13:52

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
情定诺坎普1·2022-12-15 13:22

数据分析——数据重构

importnumpyasnpimportpandasaspd载入四个文件和train表格观察关系text_left_up=pd.read_csv("C:/Users/Administrator/LCpython/datawhale
Mayumi_yumi·2022-12-15 13:21

动手学数据分析-Task03：数据重构

本学习笔记为Datewhale-7月组队学习-动手学数据分析的学习内容，学习链接为：https://github.com/datawhalechina/hands-on-data-analysis数据重构前言一
weison（cv）·2022-12-15 13:21

datawhale课程[动手学数据分析]——Task03：数据重构

目录开始之前，导入numpy、pandas包和数据2第二章：数据重构2.4数据的合并2.4.1任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系2.4.2：任务二：使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up2.4.3任务三：使用concat方法：将train-left-dow
sd3145265·2022-12-15 13:21

Datawhale机器学习-决策树感想

机器学习-决策树学习笔记理论模型代码和参数criterionmax_depthmin_samples_leaf怎样提高准确率数据处理调整参数总结理论个人对决策树理论的理解：决策树就像是由不同层级的很多选择器的组合，这些选择器内部的criteria是通过对训练集中的数据学习得到的。之后有新的数据传入时，选择器就一层层的对输入数据做判断，最底层选择器给出最有可能的分类结果模型代码和参数tree_clf
肉bot·2022-12-15 11:58

DataWhale深度学习（五）循环神经网络

循环神经网络1计算图2RNN基本原理3RNN训练算法BPTT4LSTM基本原理5其他RNN网络6RNN主要应用参考资料循环神经网络(recurrentneuralnetwork,RNN)是一类用于处理序列数据的神经网络。1计算图计算图是形式化一组计算结构的方式，它的元素包括节点(node)和边(edge)，节点表示变量，可以是标量、矢量、张量等，而边表示的是某个操作，即函数。用两个计算图来表示一个
快乐星球小怪兽·2022-12-15 09:38

【Datawhale可解释性机器学习笔记】ZFNET

ZFNET介绍论文地址：VisualizingandUnderstandingConvolutionalNetworksAlexNet的提出使得大型卷积网络开始变得流行起来，但是人们对于CNN网络究竟为什么能表现这么好，以及怎么样能变得更好尚不清楚，因此为了解决上述两个问题，ZFNet提出了一种可视化技术，用于理解网络中间的特征层和最后的分类器层，并且找到改进神经网络的结构的方法。ZFNet是Ma
JeffDingAI·2022-12-15 08:08

浅析机器学习算法的应用场景！

Datawhale干货作者：知乎KingJames，伦敦国王大学知乎｜https://www.zhihu.com/people/xu-xiu-jian-33在学习算法的过程里，难免有疑问：k近邻、贝叶斯
Datawhale·2022-12-15 05:53

Datawhale 知识图谱组队学习 之 Task 1 知识图谱介绍

Datawhale知识图谱组队学习之Task1知识图谱介绍知识图谱理论：相关理论知识图谱背景早在2010年微软就开始构建知识图谱，包括Satori和Probase；2012年，Google正式发布了GoogleKnowledgeGraph
Flying Warrior·2022-12-15 02:06

Datawhale Intel视觉识别 学习心得1

1.人工智能引论2.计算机视觉视频本质上是由一系列连续的图像构成，但因为图像之间的移动速度够快，让人们感受不到图片之间的切换，进而感受到物体的连续运动。图像是由像素阵构成。每个像素都有其表示强度的值，通常用RGB三个基本色来表示某个彩色颜色，其中灰色则是通过介于白色0和黑色255之间的值来表示。平滑处理—对于图像中的每个像素的值都替换为周围8个像素的平均值，会得到较为模糊的图像。该方法被称为—模糊
weixin_50299316·2022-12-14 23:13

Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增

数据读取与数据扩增1、图像读取在本赛题中，我们主要使用openCV，OpenCV是一个跨平台的计算机视觉库，最早由Intel开源得来。OpenCV发展的非常早，拥有众多的计算机视觉、数字图像处理和机器视觉等功能。```pythonimg=cv2.imread('mchar_train/000003.png')img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)img=cv
jxwnj_1210·2022-12-14 23:43

Datawhale | CV-异常检测1-阿里天池比赛流程体验

全球人工智能技术创新大赛【热身赛一】记录Content比赛简介数据预处理模型训练docker封装与提交1.安装docker和nvidia-docker2.配置Dockerfile3.Build,tagandpush比赛简介比赛为CV目标检测方向的任务，赛题为对提供的布匹图像进行缺陷检测。评估指标为0.2ACC+0.8mAP。相关链接比赛网址：https://tianchi.aliyun.com/c
weixin_43869150·2022-12-14 23:13

DataWhale计算机视觉实践（目标检测）Task01

DataWhale计算机视觉实践（目标检测）Task01文章目录DataWhale计算机视觉实践（目标检测）Task01目标检测：一、基本概念：二、目标检测数据集VOC：1.VOC数据集简介2.VOC数据集的
soufal·2022-12-14 23:10

Datawhale第32期组队学习——task0：新闻推荐系统项目搭建：centos下前端配置

文章目录0.解决npm命令语法不正确问题0.1powershell报错0.2win10家庭版升级nodejs1.1centos安装nodejs1.2win10安装nodejs2.vue2.1安装vue2.2创建vue项目2.3使用Vue开发H5页面2.4部署新闻推荐前端项目3.后端配置3.1创建conda虚拟环境3.2后端文件配置4.2修改端口，配置文件4.3启动雪花算法服务4.4创建数据库4.4
神洛华·2022-12-14 23:38

DataWhale-天池街景数字识别竞赛-task2-数据载入

背景2020年5月的DW组队学习选择了天池的街景字符编码识别，在这个入门竞赛中，数据集来自Google街景图像中的门牌号数据集（TheStreetViewHouseNumbersDataset,SVHN），并根据一定方式采样得到比赛数据集。评测标准为测试集预测结果的准确率，即编码识别正确的数量占测试集图片数量的比率。组队学习的第二个任务是学习PyTorch的自定义数据集制作方法，并利用torchv
DevinWain·2022-12-14 23:05

Datawhale 零基础入门CV赛事街景字符识别学习笔记--第1次打卡

安装python3.7版本、pytorch、jupyter、tqdm、opencv-python、matplotlib、pandas，在windows环境下安装的，没有GPU，安装的过程和教程中给的有点点差异，好在顺利安装完成。直接按照教程中命令执行，报错，找不到相应的包，命令修改为condainstallpytorch=1.3.1torchvisioncudatoolkit=10.0–cpyto
meili1021·2022-12-14 23:33

Datawhale 计算机视觉基础-图像处理（上）-Task03 彩色空间互转

简介图像彩色空间互转在图像处理中应用非常广泛，而且很多算法只对灰度图有效；另外，相比RGB，其他颜色空间(比如HSV、HSI)更具可分离性和可操作性，所以很多图像算法需要将图像从RGB转为其他颜色空间，所以图像彩色互转是十分重要和关键的。学习目标了解相关颜色空间的基础知识理解彩色空间互转的理论掌握OpenCV框架下颜色空间互转API的使用内容相关颜色空间的原理介绍颜色空间互转理论的介绍OpenCV
空腹熊猫·2022-12-14 23:01

Datawhale 计算机视觉基础-图像处理（上）-Task05 图像分割/二值化

简介该部分的学习内容是对经典的阈值分割算法进行回顾，图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，
空腹熊猫·2022-12-14 23:01

关键点检测项目代码开源了！

Datawhale干货作者：闫永强，算法工程师，Datawhale成员本文通过自建手势数据集，利用YOLOv5s检测，然后通过开源数据集训练squeezenet进行手部关键点预测，最后通过指间的夹角算法来判断具体的手势
Datawhale·2022-12-14 23:26

DataWhale - OpenCV教程01

MetaData:Author:Link:https://vxr.xet.tech/s/49dV3oPublisher:Date:2022-12-12-16:28笔记记录的时间✅2022-12-12Tag:软件技能计算机视觉的发展历史：1982年马尔的书《视觉》，将视觉的任务分为两类：重建和识别。2012年，AlexNet模型赢得了ImageNet图像分类的比赛冠军。传统计算机视觉框架：深度学习计
小南/南儿·2022-12-14 23:25

Task01：概览西瓜书+南瓜书第1、2章（2天）

笔记参考和出处：《机器学习》周志华Datawhale吃瓜教程重学机器学习，巩固基础数学推导知识。原笔记用Typora完成，这里主要学习一些基本概念和一些概念的数学表达，方面在后面推导中快速建立体系。
Flying Warrior·2022-12-14 16:34

《西瓜书》+《南瓜书》第一章笔记（Datawhale）

前言本篇文章主要是笔者日常的一些学习记录和沉淀。大部分都是基于《西瓜书》和《统计学习方法》的一些日常记录，本人学识浅薄，如果有存在理解、记录偏差的地方，希望大家能帮忙指出一下，笔者不胜感激！~第一章1.1引言什么是机器学习？个人认为：机器学习，是基于历史数据，进行特征化，抽象出具体的数据模型，来预测和推断未来结果。1.2基本术语一组记录的集合称为一个数据集（dataset），其中每条记录是关于一个
游弋诗·2022-12-14 16:33

Datawhale组队学习——推荐系统Task03 离线物料系统的构建

以下学习笔记参考自Datawhale12月组队学习的推荐系统课程，内容主要为离线物料系统的构建。
zxc123qwer·2022-12-14 16:18

Datawhale组队学习——推荐系统Task02 数据库的基本使用

以下学习笔记参考自Datawhale12月组队学习的推荐系统课程，内容包括MySQL、MongoDB以及Redis的一些基本命令的使用。
zxc123qwer·2022-12-14 16:48

Datawhale组队学习——推荐系统Task01 熟悉新闻推荐系统基本流程

以下学习笔记来自Datawhale12月组队学习推荐系统课程Task1——【Task01熟悉新闻推荐系统基本流程】，参照了群里天国之影-JustForFun大佬的笔记及视频进行了项目环境的搭载，少踩了很多坑
zxc123qwer·2022-12-14 16:48

DataWhale 6月组队学习——动手学数据分析 Task04

2第二章：数据可视化2.1导入相应的包和数据importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns#多用于统计画图#加载并查看result.csv这个数据result=pd.read_csv('result.csv')result.shaperesult.head()#查看数据【思考】最基本的可视化
飞翔蜗牛车·2022-12-14 16:17

DataWhale 9月组队学习-动手学数据分析 task3_学习记录

建模数据分析我认为最重要的部分就是运用我们目前已有的数据建立模型，对未知的东西进行一个预测。当然数据本身也是非常重要的，所以需要前面的增删查补，对数据进行一个规整，以此可以训练出一个健壮的模型。首先是导入包importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassnsfromIPython.displayi
Kind_Jiang·2022-12-14 16:47

DataWhale 9月组队学习-动手学数据分析 task2_学习记录

数据清洗及特征处理通常原数据都是不干净的，可能存在异常值，缺失值以及其他问题。所以一般进行数据分析之前都需要先对数据进行清洗。读个文件先#加载所需的库importnumpyasnpimportpandasaspd#加载数据train.csvdf=pd.read_csv('train.csv')缺失值观察与处理缺失值，可能是人为失误或者机器失误造成部分数据值的空缺，如果不对这些空缺的地方进行操作，极
Kind_Jiang·2022-12-14 16:47

DataWhale 10月组队学习-深入浅出PyTorch task2_学习记录

task2Tensor张量这个名词还是听陌生的，第一次听，不知道是一个怎么样的东西，脑子能关联到的就是向量了。在机器学习里，接触的最多的是向量和矩阵，而它们其实都可以称为张量。向量，是一维的；矩阵，是二维的…张量似乎就是各种维度的矩阵的一个统称，但我们通常需要处理的数据有零维的（单纯的一个数字）、一维的（数组）、二维的（矩阵）、三维的（空间矩阵）、还有好多好多维的。Pytorch为了把这些各种维统
Kind_Jiang·2022-12-14 16:47

Datawhale 12月组队学习笔记（一）： 数据分析Task1

准备seaborn（画图）、BeautifulSoup（爬取arxiv）、re（正则表达式）、requests（网络连接）、json（读json格式的数据）、pandas、matplotlib.pyplot（画图）importseabornassnsfrombs4importBeautifulSoupimportreimportrequestsimportjsonimportpandasaspdi
1/8s延时·2022-12-14 16:46

Datawhale十月组队学习--《李宏毅机器学习》--Task02

Datawhale十月组队学习：《李宏毅机器学习》往期指路   Task01：什么是机器学习文章目录Datawhale十月组队学习：《李宏毅机器学习》往期指路前言一、回归（Regression）二、模型步骤
二进制研究员·2022-12-14 16:46

Datawhale十月组队学习--《李宏毅机器学习》--Task01

提示：机器学习原链接文章目录前言一、什么是机器学习二、机器学习相关的技术2.1监督学习2.2半监督学习2.3无监督学习2.4迁移学习2.5监督学习中的结构化学习2.6强化学习总结前言  第三次组队学习，内容是李宏毅老师的《机器学习/深度学习》，接下来的时间坚持吧~一、什么是机器学习  要做的其实是让机器有自己学习的能力，也就我们要做的应该machinelearning的方向。  讲的比较拟人化一点
二进制研究员·2022-12-14 16:45

Datawhale7月组队学习task1数据加载及探索性数据分析

Datawhale7月task1数据加载及探索性数据分析有幸了解到了Datawhale这样一个开源组织，欣然报名了2021年7月的组队学习的动手学数据分析系列课程本系列目标：完成kaggle上泰坦尼克的任务
临风而眠·2022-12-14 16:43

Datawhale7月组队学习task2数据清洗

Datawhale7月task2数据清洗在许多数据分析工作中，缺失数据是经常发生的。pandas的目标之一就是尽量轻松地处理缺失数据。
临风而眠·2022-12-14 16:11

吃瓜教程——datawhale10月组队学习

datawhale的十月组队学习——吃瓜教程task01:概览西瓜书+南瓜书第1、2章第一章绪论1、机器学习的一些符号定义(结合林轩田的机器学习)X:样本空间Y:输出空间A:算法合集D:数据集f:理想目标函数
scdctlt·2022-12-14 16:41

Datawhale7月组队学习task3数据重构

Datawhale7月组队学习task3数据重构文章目录Datawhale7月组队学习task3数据重构准备工作开始之前，导入numpy、pandas包和数据**载入data文件中的:train-left-up.csv
临风而眠·2022-12-14 16:10

Datawhale7月组队学习task5模型建立和评估

Datawhale7月组队学习task5模型建立和评估文章目录Datawhale7月组队学习task5模型建立和评估引入preparation一.模型搭建和评估--建模模型搭建1.任务一：切割训练集和测试集
临风而眠·2022-12-14 16:10

datawhale6月组队学习-task01

datawhale6月组队学习-task011.数据加载利用kaggle网站的泰坦尼克号数据集进行学习分析下载网址：https://www.kaggle.com/c/titanic/overview#导入相关库
lyy~hhh·2022-12-14 16:39

完备的 AI 学习路线，最详细的中英文资源整理

本文转载自：http://tech.ifeng.com/c/7mEnQrFxKcC【侵删】本文由知名开源平台，AI技术平台以及领域专家：Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献
_吟游诗人·2022-12-14 16:08

【Datawhale 7月组队学习-python自动化办公】- task01

【重要提示】本文章内容为学习python自动化办公过程中整理的笔记和作业，教程源自Datawhale7月组队学习-python自动化办公课程，链接为：GitHub-datawhalechina/office-automation
Katiko·2022-12-14 16:08

Datawhale Numpy组队学习Task01打卡

DatawhaleNumpy组队学习Task01打卡常量和数据类型:np常量含义备注np.nan表示空值两个np.nan不相等np.inf表无穷大-np.pi表示圆周率-np.e表示自然数-Python
SYlussion·2022-12-14 16:08

Datawhale12月组队学习【推荐系统】Task01

paddle入门与NeutralCF实现数据处理DatasetDataloader定义模型结构模型训练TrainPipeline指标hit_rateNDCG可视化数据处理筛选出活跃度大于20的用户df=pd.read_csv(config['valid_path'])df['user_count']=df['user_id'].map(df['user_id'].value_counts())df
vcicii·2022-12-14 16:03

周志华 《机器学习初步》模型评估与选择

周志华《机器学习初步》模型评估与选择Datawhale2022年12月组队学习✌文章目录周志华《机器学习初步》模型评估与选择一.泛化能力二.过拟合和欠拟合泛化误差VS经验误差过拟合VS欠拟合三.模型选择的三大问题如何获得测试结果
临风而眠·2022-12-14 15:54

周志华 《机器学习初步》 绪论

周志华《机器学习初步》绪论Datawhale2022年12月组队学习✌文章目录周志华《机器学习初步》绪论一.机器学习二.典型的机器学习过程三.计算学习理论PAC模型思考两个问题问题性质角度计算要求的角度四
临风而眠·2022-12-14 15:18

【打卡笔记Task01】可解释机器学习之导论

【DataWhale可解释机器学习笔记】项目地址：https://github.com/TommyZihao/zihao_course/tree/main/XAI谢谢子豪兄的分享和讲解！！
立！·2022-12-14 12:30

重磅 | 完备的 AI 学习路线，最详细的资源整理！

【导读】本文由知名开源平台，AI技术平台以及领域专家：Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献，内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿
cheqieshi4150·2022-12-14 12:58

【集成学习-组队学习】2.使用sklearn构建完整的机器学习项目流程

使用sklearn构建完整的机器学习项目流程组队学习来源：Datewhle23期__集成学习(上):https://github.com/datawhalechina/team-learning-data-mining
L1315382539·2022-12-14 12:27

一份超详细的数据科学路线图！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：魔王、陈萍，来源：机器之心从头开始学习数据科学的免费资源。如何入门数据科学？
Datawhale·2022-12-14 12:56

一、导论——可解释性机器学习（DataWhale组队学习）

目录导言一、什么是可解释人工智能?二、学可解释机器学习有什么用?2.1学习可解释机器学习的原因2.2MachineTeaching:人工智能教人类学习2.3细粒度图像分类2.4前沿AI三、本身可解释性好的机器学习模型四、传统机器学习算法的可解释性分析五、卷积神经网络的可解释性分析5.1可视化卷积核、特征图5.2遮挡Mask、缩放、平移、旋转5.3找到能使某个神经元激活的原图像素，或者小图5.4基于
卡拉比丘流形·2022-12-14 12:55
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他