ofter数据科学

【Python】编程练习的解密与实战（二）

目录1.初识Python2.实验报告二实验目的实验要求实验代码实验结果实验体会总结1.初识PythonPython是一种高级、通用、解释型的编程语言，具有简洁而清晰的语法，被广泛应用于软件开发、数据科学
Sarapines Programmer·2024-01-12 12:05

【手搓深度学习算法】用决策树预测天气-连续数据篇

用决策树预测天气-连续数据篇前言在机器学习和数据科学领域，决策树是一种非常强大且易于理解的预测模型。
精英的英·2024-01-12 08:56

python 分类变量编码_深度学习编码分类变量的3种方法——AIU人工智能学院

：数据科学、人工智能从业者的在线大学。数据科学(Python/R/Julia)作者|CDA数据分析师像Keras中的机器学习和深度学习模型一样，要求所有输入和输出变量均为数字。
weixin_39974882·2024-01-12 06:36

【特征工程】17种将离散特征转化为数字特征的方法

“one-hot”在一次数据科学面试中听到这样的对话我不会感到惊讶。不过，这将是相当惊人的，「因为只有一小部分数据科学项目涉及机器学习，而实际上所有这些项目都涉及一些离散数
风度78·2024-01-12 06:34

数据科学和人工智能技术笔记 十七、聚类

十七、聚类作者：ChrisAlbon译者：飞龙协议：CCBY-NC-SA4.0凝聚聚类image#加载库fromsklearnimportdatasetsfromsklearn.preprocessingimportStandardScalerfromsklearn.clusterimportAgglomerativeClustering#加载数据iris=datasets.load_iris()
布客飞龙·2024-01-12 06:08

【机器学习】模型调参工具：Hyperopt 使用指南

的优缺点3.如何使用Hyperopt进行调参3.1安装Hyperopt3.2构建超参数空间3.3定义目标函数3.4运行Hyperopt优化3.5获取最优超参数4.XGB调参代码示例参考资料前言在机器学习和数据科学领域
Avasla·2024-01-12 06:31

XGBoost（eXtreme Gradient Boosting）

XGBoost在解决结构化数据的分类和回归问题上表现出色，成为许多数据科学竞赛中的常胜将军。
草明·2024-01-11 23:56

python数据分析与应用课后题答案第五章_《Geocomputation with R》第五章参考答案

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R
weixin_39717121·2024-01-11 23:06

Python清理数据的常用方法总结

目录1、数据预览2、缺失值处理3、异常值处理4、数据类型转换5、重复值处理6、数据标准化7、特征选择8、处理类别数据总结在数据科学和机器学习领域，数据清理是一个非常重要的步骤。
傻啦嘿哟·2024-01-11 23:00

Python机器学习库之orange3使用详解

概要数据科学和机器学习是当今科技领域的重要组成部分，而数据分析和建模通常是其中的关键步骤。
Rocky006·2024-01-11 21:43

使用Flask快速部署PyTorch模型

对于数据科学项目来说，我们一直都很关注模型的训练和表现，但是在实际工作中如何启动和运行我们的模型是模型上线的最后一步也是最重要的工作。
AAI机器之心·2024-01-11 20:49

Python GUI 新手入门教程：轻松构建图形用户界面

被广泛应用于从web开发到数据科学的各个领域。
Rocky006·2024-01-11 18:26

数据分析框架：实现99%准确率

我写这篇文章的目的，是为参加数据科学社区Kaggle简单指引。大多数初学者无从下手，因为他们使用自己不理解的库和算法，就像陷入黑盒。
weixin_30882895·2024-01-11 17:01

《PySpark大数据分析实战》-27.数据可视化图表Pyecharts介绍

热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
wux_labs·2024-01-11 16:21

关于大数据工程师的基础知识

这群人在国外被叫做数据科学家（DataScientist），这个头衔最早由D.J.Pati和JeffHammerbacher于2008年提出，他们后来分别成为了领英（LinkedIn）和Facebook
xiaokaiabcde·2024-01-11 13:23

大数据工程师需要哪些基础知识？

这群人在国外被叫做数据科学家（DataScientist），这个头衔最早由D.J.Pati和JeffHammerbacher于2008年提出，他们后来分别成为了领英（LinkedIn）和Facebook
qunqun8889·2024-01-11 13:23

精华整理几十个Python数据科学、机器学习、深度学习、神经网络、人工智能方面的核心库以及详细使用实战案例，轻松几行代码训练自己的专有人工智能模型

精华整理几十个Python数据科学、机器学习、深度学习、神经网络、人工智能方面的核心库以及详细使用实战案例，轻松几行代码训练自己的专有人工智能模型。
代码讲故事·2024-01-11 07:35

Salesforce Einstein详解

花重金（收购RelateIQ、机器学习公司PredictionIO与深度学习企业MetaMind，MetaMind创始人RichardSocher正担任Salesforce的首席科学家，聚集了175名顶尖数据科学家
Frank_Salesforce·2024-01-11 02:52

数据科学低代码工具思考--工具起源

“数据科学低代码”由“数据科学”+“低代码”两部分组成。这意味着我们将主要讨论“低代码”在“数据科学”应用场景中的使用。这将有别于现在流行的以“低代码”方式构建应用程序的讨论。
colorknight·2024-01-10 22:08

如何利用人工智能设计更好的用户体验？

随着人工智能的不断进步，人工智能越来越不局限在开发者或数据科学家的领域。作为设计师/技术爱好者/企业家/创业者，持续思考产品是很重要的。为了改善体验，我们不应该局限于现状。
奇点机智·2024-01-10 18:08

Python与人工智能

Python具有简洁的语法和强大的库支持，使其成为数据科学、机器学习和深度学习的理想选择。Python中有许多库可以帮助实现人工智
Tech行者·2024-01-10 16:55

《PySpark大数据分析实战》-26.数据可视化图表Seaborn介绍

热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
wux_labs·2024-01-10 14:58

Pendulum详解3——Pendulum在数据分析中的应用 - 时光的数据探险

处理时间数据，尤其是在大规模数据集和复杂时区的情境下，是数据科学家和分析师们经常面对的挑战。为了迎接这一挑战，我们介绍一款强大的时间处理库-Pendulum，并深入探讨其在数据分析领域的优越性。
theskylife·2024-01-10 13:31

数据科学的鄙视链

鄙视链标题虽然是玩笑话，但是跟同行们闲聊，分层是的确存在的。image.png策略选择那针对这种现状，我会选择如下策略：精通L1，熟练使用L3原因其实在列表的最后一列有体现了，L0卡位门槛太高，appliedmathematics出身自然重点落在L1上；L2是造轮子，已经有人做过了，而且做的挺好，所以我们在L3层熟练使用即可。以上策略是基于个人的认识水平和知识背景，不能一概而论。写的粗浅，仅供参考
Andy_Ren·2024-01-10 12:30

R语言学习入门（一）

它已经成为统计学家、数据科学家和研究
亦旧sea·2024-01-10 05:44

年度征文 | 机器学习之心的2023

新的一年继续深耕机器学习与数据科学领域，不断学习新知识，新能力。积极锻炼身体。投稿SCI学术期刊。
机器学习之心·2024-01-10 04:06

Pandas Groupby：在Python中汇总、聚合和分组数据

这是一个简单的概念，但它是一种在数据科学中广泛使用的非常有价值的技术。在真实的的数据科学项目中，您将处理大量数据并一遍又一遍地尝试，因此为了提高效率，我们使用Groupby概念。
python收藏家·2024-01-09 19:17

权健风波和保健品误解

nwt176生命和健康是个【混沌科学】问题，而不是【科学教条】问题，更不是【混沌哲学】问题，一定要建立在数据科学的基础上，又高于数据，用系统性思维和方法论去解决。
船长戚戈yqhn178·2024-01-09 19:23

Python 逻辑回归：理论与实践

其中，逻辑回归作为一种简单而有效的分类算法，在数据科学和机器学习领域扮演着重要角色。本篇博客将深入探讨逻辑回归的原理和实现，并通过代码示例展示其在不同数据集上的分类效果。
会python的小孩·2024-01-09 18:38

Python中的Matplotlib带你引领数据图表绘制

Matplotlib引领数据图表绘制前言图像得组成画图设置figure设置标题设置坐标轴设置label和legend添加注释使用子图中文乱码解决保存图形显示图形条形图直方图散点图饼状图总结前言在数据科学领域
aobulaien001·2024-01-09 16:12

Spark中的二分类与多分类问题的解决

机器学习中的分类问题是数据科学中的一个重要领域，而在大数据环境中使用ApacheSpark来解决二分类和多分类问题可以更好地处理大规模数据。
晓之以理的喵~~·2024-01-09 11:00

卷积神经网络|猫狗分类系列--导入kaggle猫狗数据集

解决任何真实问题的重要一步是获取数据，Kaggle提供了大量不同数据科学问题的竞赛。
霜溪·2024-01-09 09:40

解锁数据之门：Roxlabs全球住宅IP赋能海外爬虫与学术研究

特别是在数据科学、市场研究、竞品分析等领域，爬虫技术成为了一项不可或缺的工具。然而，随着网络空间的发展，海外网站对于爬虫的限制和防御机制也逐渐增强，使得传统的爬虫方式面临一系列挑战。
海拥✘·2024-01-09 09:07

地理空间分析5——空间关联分析与Python

空间自相关2.空间回归分析2.1构建地理权重矩阵2.2执行空间回归分析2.3解释结果3地理加权回归3.1构建地理权重矩阵3.2执行地理加权回归分析3.3解释地理加权回归结果写在最后写在开头空间关联分析是数据科学领域中一个重要的技术
theskylife·2024-01-08 07:08

conda创建数据科学环境最新版

Installanaconda创建envcondacreate--namedata_sciencepython=3.8.5安装R4.1.0和jupytercondainstall-cconda-forger-base=4.1.0condainstall-cconda-forger-essentials=4.1.0condainstallnumpycondainstallpandascondains
高锦-生信·2024-01-08 06:51

搭建数据科学环境

搭建数据科学环境###本人硬件：cpui5-9400f，显卡：rtx2080ti>x960，内存32G###本人系统：Ubuntu20.041.installanaconda官网下载anaconda.sh
高锦-生信·2024-01-08 06:50

Miniconda Python解释器 Conda 包管理器 Pytorch

Anaconda是一个数据科学和机器学习的开发环境，它包含了许多常用的Python包和工具。
pythonSuperman·2024-01-08 06:48

NumPy 高级教程——存储和加载数据

PythonNumPy高级教程：存储和加载数据在实际应用中，数据的存储和加载是数据科学和机器学习工作流程中不可或缺的一部分。NumPy提供了用于将数组保存到文件以及从文件中加载数组的功能。
Echo_Wish·2024-01-08 02:36

玩转Python：数据可视化，一个很高级的交互式Python库，附代码

在数据科学和分析的世界里，将数据可视化是至关重要的一步，它能帮助我们更好地理解数据，发现潜在的模式和关系。
机器学习算法与Python实战·2024-01-07 21:41

DataOps：数据中台的必备底座

LennyLiebmann提出DataOps[1]的概念，在《3reasonswhyDataOpsisessentialforbigdatasuccess》这篇文章中，Lenny提出DataOps是优化数据科学和运营团队之间协作的一些实践集
灯惉·2024-01-07 15:32

【Python百宝箱】数据清洗艺术：Python库助力打磨完美数据

数据清洗与预处理：Python库大揭秘前言在数据科学领域，数据清洗和预处理是构建可靠模型的关键步骤。
friklogff·2024-01-07 10:56

Python在医疗治疗手段方面】

基于这些数据，医生和研究人员可以使用Python的数据科学库（如pandas和numpy）来制定治疗计划，预测疾病的发展和结果。
python无人驾驶 医学芯片·2024-01-07 09:52

《PySpark大数据分析实战》-23.Pandas介绍DataFrame介绍

热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
wux_labs·2024-01-07 00:26

《PySpark大数据分析实战》-22.Pandas介绍Series介绍

热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
wux_labs·2024-01-07 00:25

《PySpark大数据分析实战》-25.数据可视化图表Matplotlib介绍

热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
wux_labs·2024-01-07 00:24

畅游编程语言的奇幻世界--目前主流编程语言的现状以及编程语言的未来

Python：数据分析与人工智能的宠儿Python近年来风头无两，凭借其简洁的语法和强大的库，成为了数据科学和人工智能领域的翘楚。从数据清洗到模型训练，Python都能轻松胜任，让人不
宇宙超粒终端控制中心·2024-01-06 15:18

编程语言的未来

它在数据科学、人工智能、机器学习等领域中广泛应用，并且在近年来的调查中一直是最受欢迎的编程语言之一。JavaScript：Ja
auspicious航·2024-01-06 14:10

深入Pandas：数据分析的强大工具

文章目录引言Pandas简介Pandas的核心功能实战示例：数据分析与可视化示例目的环境需求示例数据集示例过程及结果源代码结语引言在当今快速发展的数据科学领域，Python凭借其强大的库生态系统，特别是像
跑起来总会有风·2024-01-06 11:16

YOLOv8改进 | Neck篇 | 利用ASF-YOLO改进特征融合层（适用于分割和目标检测）

在实验中，ASF-YOLO在2018年数据科学竞赛数据集上取得了卓越的分割准确性和速度，达到了0.91的boxmAP（平均精度），0.887的maskmAP，以及47.3FPS的推理速度，效果非常的好，
Snu77·2024-01-06 06:33

Python数组操作全攻略：高效处理数据的秘诀

Python数组操作全攻略：高效处理数据的秘诀引言Python数组基础数组操作技巧高级数组操作实际案例应用结语引言在当今数据驱动的时代，高效处理数据已成为软件开发和数据科学领域的核心技能之一。
walkskyer·2024-01-05 14:35
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他