《机器学习算法面试》专题

英文原文: 07 - Lesson 离群值 (Outlier) import pandas as pd import sys print('Python version ' + sys.version) print('Pandas version ' + pd.__version__) Python version 3.6.1 | packaged by conda-forge | (defaul

英文原文: 06 - Lesson 我们看一下 groupby 这个函数。 # 导入库 import pandas as pd import sys print('Python version ' + sys.version) print('Pandas version ' + pd.__version__) Python version 3.6.1 | packaged by conda-for

英文原文: 05 - Lesson 我们将快速地看一下 stack 和 unstack 这两个函数。 # 导入库 import pandas as pd import sys print('Python version ' + sys.version) print('Pandas version: ' + pd.__version__) Python version 3.6.1 | package

英文原文: 04 - Lesson 在这一课，我们将回归一些基本概念。 我们将使用一个比较小的数据集这样你就可以非常容易理解我尝试解释的概念。 我们将添加列，删除列，并且使用不同的方式对数据进行切片(slicing)操作。 Enjoy! # 导入需要的库 import pandas as pd import sys print('Python version ' + sys.version) pr

英文原文: 03 - Lesson 获取数据 - 我们的数据在一个 Excel 文件中，包含了每一个日期的客户数量。 我们将学习如何读取 Excel 文件的内容并处理其中的数据。 准备数据 - 这组时间序列的数据并不规整而且有重复。 我们的挑战是整理这些数据并且预测下一个年度的客户数。 分析数据 - 我们将使用图形来查看趋势情况和离群点。我们会使用一些内置的计算工具来预测下一年度的客户数。 表现数

英文原文: 02 - Lesson 创建数据 - 我们从创建自己的数据开始做数据分析。 这避免了阅读这个教程的用户需要去下载任何文件来重现结果。我们将会把这些数据导出到一个文本文件中这样你就可以试着从这个文件中去读取数据。 获取数据 - 我们将学习如何从文本文件中读取数据。 这些数据包含了1880年出生的婴儿数以及他们使用的名字。 准备数据 - 这里我们将简单看一下数据并确保数据是干净的，就是说我

英文原文: 01 - Lesson 创建数据 - 我们从创建自己的数据开始。 这避免了阅读这个教程的用户需要去下载任何文件来重现结果。我们将会把这些数据导出到一个文本文件中这样你就可以试着从这个文件中去读取数据。 获取数据 - 我们将学习如何从文本文件中读取数据。 这些数据包含了1880年出生的婴儿数以及他们使用的名字。 准备数据 - 这里我们将简单看一下数据并确保数据是干净的，就是说我们将看一下

在学习webpack之前，先来聊聊webpack产生背景、解决的问题以及后期学习中需要提前说好的规范 webpack产生的背景： 1、多js文件下全局对象冲突 2、模块加载顺序 3、解决模块或库的依赖 4、大工程模块过多，难以管理 webpack的作用： 1、将所有的依赖拆分成块且按需加载 2、首屏加载耗时少 3、所有的静态文件都是一个模块（css和图片等静态文件） 4、第三方库也可以作为一个模块

深度学习的总体来讲分三层，输入层，隐藏层和输出层。如下图： 但是中间的隐藏层可以是多层，所以叫深度神经网络，中间的隐藏层可以有多种形式，就构成了各种不同的神经网络模型。这部分主要介绍各种常见的神经网络层。在熟悉这些常见的层后，一个神经网络其实就是各种不同层的组合。后边介绍主要基于keras的文档进行组织介绍。

如果你有认真通读本书之前的内容并且实践其中包含的大量例程，那么你现在一定可以熟练使用python了。 同时你可能也编写了一些程序用于验证python特性并提高你的python技能。如果还没有这样做的话，你应该去试试。 现在的问题是接下来应该做什么？ 我建议你先解决下面的问题： 创建你自己的命令行版本的通讯录程序，利用它你可以浏览修改删除或搜索诸如朋友，家人，同事等联系人和他们的email地址/或电

前言 ​Python是一门面向对象的编程语言，它相对于其他语言，更加易学、易读，非常适合快速开发。Python在实践中主要有以下优点： 容易上手，教材众多，平台支持广泛。 可以很容易支持大数据的应用。 可以很容易的支持人工智能的应用。 可以很容易的迁移到IoT平台，开发物联网应用。 因此我们选择Python做为goPyVue全栈开发网的基础语言。 Django是一个开放源代码的Web应用框架，由P

TensorFlow安装 初识Tensorboard SKflow 觉得我的文章对您有帮助的话，就给个star吧～ 土豪可以打赏支持，一分也是爱

决策树（decision tree）是一种基本的分类与回归方法。决策树模型呈树形结构。通常包含3个步骤：特征选择、决策树的生成和决策树的修剪。 决策树模型 分类决策树树模型是一种描述对实例进行分类的树形结构。决策树由节点（node）和有向边（directed edge）组成。节点有两种类型：内部节点（internal node）和叶节点。内部节点表示一个特征或属性，叶节点表示一个类。 用决策树分类

FAQs in section [28]: [28.1] 什么是师徒指导？ [28.2] 在学习OO/C++之前我应该先学C吗？ [28.3] 在学习OO/C++之前我应该先学Smalltalk吗？ [28.4] 我只买一本书就够了么？还是需要买几本？ [28.5] 有哪些讲合理使用C++的好书？ [28.6] 有哪些讲合法使用C++的好书？ [28.7] 有哪些通过例子讲解C++编程的好书？ [

概率图模型 规则学习 聚类 集成学习