心得经验总结:机器学习常用库

简介: 心得经验总结:机器学习常用库

注释:基础不牢固,特别不牢固,项目无从下手!

   这次花一个星期的时间把Python的基础库学习一下,一来总结过去的学习,二来为深度学习打基础。

   部分太简单,或者映象很深的就不记录了,避免浪费时间。

博客园的makedown真是无语了,排版好久,上传就是这个鬼模样

1. python基础(1).字符串

print("abc".upper())#转为大写

print("ABC".lower())#转为小写

print("abc"+"abc")#合并

print("abc ".rstrip())#删除最右边(结尾)的空白(不改变"abc "的档案,只是结果删除)

print(" abc".lstrip())#删除最左边(开头)空白

print("abc".title())#首字母变成大写

ABC

abc

abcabc

abc

abc

Abc

(3).常数

#整数和浮点数不能直接相乘

3*0.1

0.3000000000004

(4).列表A.读写列表

list【0】 #第一个元素

list【-1】#最后一个元素

list【:】 #打印全部元素

list【0:-1】#打印不包括最后一个元素

list【a:b:c】#打印a-b,间隔为c

list【0::-1】#颠倒数据

B.操作列表

list.append('data')#正常添加一个元素

list.extend("data")#添加一个列表数据

list.insert(num,'data')#从num位置插入一个数据

del list【num】#删除num位置元素

list.remove('data')#删除名字为"data"的数据

list.sort(bool)#排序列表(永久)

sorted(list)#排序列表(临时排序)

list.reverse()#颠倒列表,可用上面"读写列表的list【0::-1】进行颠倒"

len(list)#列表长度

min(list)

max(list)

C.复制列表

list1 = list2#浅复制

list1 = list2【1:2】#深度复制

D.列表推导式

# 循环列表

values = 【10,20,4,50.31】

squres = 【】

for x in values:

squres.append(x)

print(squres)

【10, 20, 4, 50.31】

#列表推导式

values = 【10,20,4,50.31】

squres = 【x for x in values】

print(squres)

【10, 20, 4, 50.31】

#推导式中加入条件进行筛选

values = 【10,20,4,50.31】

squres = 【x2 for x in values if x<=12】

squres

【100, 16】

#推导式生成集合和字典

values = 【10,20,4,50.31】

squres_set = {x2 for x in values if x<=12}

squres_dict = {x:x2 for x in values}

print(squres_set)

squres_dict

{16, 100}//代码效果参考:http://www.ezhiqi.com/bx/art_4729.html

{4: 16, 10: 100, 20: 400, 50.31: 2531.0961}

#求和表达式

values = 【10,20,4,50.31】

sum(x**2 for x in values)

3047.0961

(5).判断

A if B else C #B==True-->

(6).字典

dict.items() #得到【(key,value),(key,value)...】

dict.keys() #得到key

dict.values()#得到values

del dict【key】#删除某个键-值对

dict【key】=value#更改某个键值对

(7).循环

break #跳出大循环

continue#跳出小循环

(8).函数

#内部函数

def fuction(num):

return (num)

fuction1 = fuction('hello')

print(fuction1)

#外部函数调用

import fuction

fuction1 = fuction.fuction('hello')

print(fuction1)

#调用外部特定函数

from fuction import fuction

fuction1 = fuction('hello')

print(fuction1)

#调用函数之后指定别名

import fuction as fuc

fuction1 = fuc.fuction('hello')

print(fuction1)

from fuction import fuction as fuc

fuction1 = fuc('hello')

print(fuction1)

(9).类

#内部创建类

#self相当于C++的this指针

class Dog():

#num1和num2是输入的形参

def init(self,num1,num2):

#num3和num4是函数内部使用的参数

self.num3 = num1

self.num4 = num2

def printf(self):

print(self.num3)

def sum1(self):

print(self.num3+self.num4)

my_dog = Dog(32,'jake')

#外部创建类

import dog

my_dog = dog.Dog(23,'rake')

from dog import Dog

my_dog = Dog(23,'rake')

<pre style="border: 1px solid rgba(204, 204, 204, 1); color: rgba(171, 178, 191, 1); display: block; font: 400 13px / 18.5714px Menlo, Monaco, Consolas, "Courier New", monospace; height: 302.828px; margin: 0 0 20px; outline: 0 none rgba(171, 178, 191, 1); overflow: auto; padding: 15px; text-decoration: r

相关文章
|
1月前
|
数据采集 机器学习/深度学习 存储
【机器学习】数据清洗——基于Numpy库的方法删除重复点
【机器学习】数据清洗——基于Numpy库的方法删除重复点
114 1
|
1月前
|
数据采集 机器学习/深度学习 Python
【机器学习】数据清洗——基于Pandas库的方法删除重复点
【机器学习】数据清洗——基于Pandas库的方法删除重复点
144 1
|
11月前
|
机器学习/深度学习 数据可视化 算法
机器学习系列7 基于Python的Scikit-learn库构建逻辑回归模型
🎄🎄本文中,你将学到逻辑回归的数学原理,使用Seaborn库可视化数据寻找数据间的相关性,并基于Scikit-learn库构建逻辑回归模型预测南瓜颜色。
282 0
|
16天前
|
机器学习/深度学习 边缘计算 TensorFlow
Python机器学习工具与库的现状,并展望其未来的发展趋势
【6月更文挑战第13天】本文探讨了Python在机器学习中的核心地位,重点介绍了Scikit-learn、TensorFlow、PyTorch等主流库的现状。未来发展趋势包括自动化、智能化的工具,增强可解释性和可信赖性的模型,跨领域融合创新,以及云端与边缘计算的结合。这些进展将降低机器学习门槛,推动技术在各领域的广泛应用。
22 3
|
17天前
|
机器学习/深度学习 数据采集 算法
机器学习入门:scikit-learn库详解与实战
本文是面向初学者的scikit-learn机器学习指南,介绍了机器学习基础知识,包括监督和无监督学习,并详细讲解了如何使用scikit-learn进行数据预处理、线性回归、逻辑回归、K-means聚类等实战操作。文章还涵盖了模型评估与选择,强调实践对于掌握机器学习的重要性。通过本文,读者将学会使用scikit-learn进行基本的机器学习任务。【6月更文挑战第10天】
48 3
|
1月前
|
机器学习/深度学习 边缘计算 TensorFlow
【Python机器学习专栏】Python机器学习工具与库的未来展望
【4月更文挑战第30天】本文探讨了Python在机器学习中的关键角色,重点介绍了Scikit-learn、TensorFlow和PyTorch等流行库。随着技术进步,未来Python机器学习工具将聚焦自动化、智能化、可解释性和可信赖性,并促进跨领域创新,结合云端与边缘计算,为各领域应用带来更高效、可靠的解决方案。
|
1月前
|
机器学习/深度学习 算法 数据挖掘
机器学习--K近邻算法,以及python中通过Scikit-learn库实现K近邻算法API使用技巧
机器学习--K近邻算法,以及python中通过Scikit-learn库实现K近邻算法API使用技巧
|
1月前
|
机器学习/深度学习 JavaScript 前端开发
机器学习 - [源码实现决策树小专题]决策树中子数据集的划分(不允许调用sklearn等库的源代码实现)
机器学习 - [源码实现决策树小专题]决策树中子数据集的划分(不允许调用sklearn等库的源代码实现)
47 0
|
7月前
|
机器学习/深度学习 人工智能 算法
Python与机器学习:入门和常用库介绍
机器学习是人工智能领域的一个重要分支,它允许计算机系统从数据中学习并自动改进。Python已经成为机器学习的主要编程语言之一,因为它具有丰富的库和工具,使得机器学习任务变得更加容易。本文将为你提供一个关于如何入门机器学习以及Python中常用机器学习库的概述。
|
10月前
|
机器学习/深度学习 PyTorch TensorFlow
7个用于机器学习和数据科学的基本 Python 库
Python是AI社区事实上的编程语言。它很容易学习,一旦你精通,编写程序是轻而易举的。 在很大程度上,由于其开源库,Python用户可以操作数据,原型模型,分析输出以及执行许多其他机器学习和数据科学任务。
146 0