搜索结果
查询Tags标签： axis，共有 76条记录-
特征工程系列：（二）缺失值处理
Pandas判断缺失值 df.isnull().sum() #显示每一列的空值个数 data.info() #可以直观的查看缺失值 注意，有些数据用0代替特征值，这个时候，可以将0用None 代替，这样，isnull 函数就可以检测出来了，而且fillna 和dropna函数都可以直接工作了。 处理缺失值 直接删除 将…
2021/7/17 23:08:49 人评论 次浏览 -
线性回归练习
@目录线性回归练习母子身高线性回归分析线性回归分析线性回归方法的有效性判别安装python3.6/3.7、Anaconda 和 jupyter、spyder软件，对鸢尾花Iris数据集进行SVM线性分类练习安装Anaconda 和jupyter、spyderSVM数据分析 线性回归练习 练习要求： （创建父母子女身高数据集…
2021/7/9 23:37:46 人评论 次浏览 -
线性回归练习
@目录线性回归练习母子身高线性回归分析线性回归分析线性回归方法的有效性判别安装python3.6/3.7、Anaconda 和 jupyter、spyder软件，对鸢尾花Iris数据集进行SVM线性分类练习安装Anaconda 和jupyter、spyderSVM数据分析 线性回归练习 练习要求： （创建父母子女身高数据集…
2021/7/9 23:37:46 人评论 次浏览 -
从零开始学Python爬虫系列：爬取后的数据展示。Matplotlib.pyplot基础，看这一篇就够了
（一）一个线图的创建 1.给出数据 import numpy as np x=np.arange(0,12.1,0.2) y=np.sin(x) 2.画出图形，你只需要plt.plot(x,y) import matplotlib.pyplot as plt plt.plot(x,y) 这里的y不是必须的。 这时候，你只得到下面这样的图形这样的图形太单调了，我喜欢五彩缤纷…
2021/6/28 12:20:33 人评论 次浏览 -
Unity笔记之凤凰模拟器
实现：凤凰模拟器按键信息的获取 首先要把凤凰模拟器中下方的那个按钮拨到APD上去，其他几个测试部分按键操作无法获取 然后根据下图去Input里面的Axis新增下图的这些按键。 这里提供一下X Axis和joystick button 0的设置 以上就是凤凰模拟器所有按键信息的获取方式了…
2021/6/22 23:28:26 人评论 次浏览 -
python归一化函数MinMaxScaler的理解
""" python归一化函数MinMaxScaler的理解 class sklearn.preprocessing.MinMaxScaler(feature_range=0, 1, *, copy=True) """ from sklearn.preprocessing import MinMaxScaler import numpy as np x = np.array([[1., -1., 2.],[2., 0., …
2021/5/9 14:55:23 人评论 次浏览 -
[阿里DIN]从模型源码梳理TensorFlow的形状相关操作
本文基于阿里推荐 DIN 和 DIEN 代码，梳理了下深度学习一些概念，以及TensorFlow中的相关实现。本文会就 “TensorFlow形状相关” 这些细节进行探讨，旨在帮助小伙伴们详细了解每一的步骤以及为什么要这样做。[阿里DIN]从模型源码梳理TensorFlow的形状相关操作目录[阿里DI…
2021/4/26 12:26:02 人评论 次浏览 -
numpy中关于数组维度的理解——dim和axis
1. 问题描述 在学习pytorch中张量的拼接时，又遇到类似的问题了： rand_tensor=torch.rand((3,3)) t1=torch.cat((rand_tensor,rand_tensor,rand_tensor),dim=1) t2=torch.cat((rand_tensor,rand_tensor,rand_tensor),dim=0) t3=torch.stack((rand_tensor,rand_tensor,ran…
2021/4/25 11:00:07 人评论 次浏览 -
python中numpy.squeeze()函数的使用
numpy.squeeze() 这个函数的作用是去掉矩阵里维度为1的维度。例如，(1, 5)的矩阵经由np.squeeze处理后变成5；(5, 1, 6)的矩阵经由np.squeeze处理后变成(5, 6)。 numpy提供了numpy.squeeze(a, axis=None)函数，从数组的形状中删除单维条目。其中a表示输入的数组；a…
2021/4/24 14:55:46 人评论 次浏览 -
python之独热编码的实现
numpy实现tensorflow实现 独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。 上图表示的是独热编码（“one hot” encoding）的转换过程，在转…
2021/4/24 14:55:45 人评论 次浏览 -
python 迁移代码常用函数——修改数据至原代码所需要的格式，降低代码迁移难度
常用到torch中的几个函数： 主要针对矩阵，在python中所有的矩阵都可以看作由0~n维的空间构成，类似于空间坐标。transpose((x, y, z)) 转轴 这里的x,y,z其实指的是0，1，2维，正常顺序应该是0，1，2，但是当变为1，0，2时，即将1维转向0维。 view 改变矩阵维度，类似于r…
2021/4/19 22:25:10 人评论 次浏览 -
np.stack() 堆叠一维数组时用法
import numpy as np a = np.array([i for i in range(5)]) b = np.array([i for i in range(5, 10)]) print(a:, a) print(b:, b) c = np.stack([a,b], axis=0) print(c) d = np.stack([a,b], axis=1) print(d) e = np.stack([a,b], axis=-1) print(e) 结果： a: [0 1 2…
2021/4/16 10:55:20 人评论 次浏览 -
对python中array.sum(axis=?)的用法介绍
今天小编就为大家分享一篇对python中array.sum(axis=?)的用法介绍，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019/7/15 0:34:42 人评论 次浏览 -
对numpy.append()里的axis的用法详解
今天小编就为大家分享一篇对numpy.append()里的axis的用法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019/7/15 0:34:39 人评论 次浏览 -
Python之NumPy(axis=0 与axis=1)区分详解
这篇文章主要介绍了Python之NumPy(axis=0 与axis=1)区分详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019/7/14 23:09:12 人评论 次浏览
