暂时未有相关云产品技术能力~
Github:@wizardforcel 简书:@ApacheCN_飞龙 微博:@龙雀 CSDN:@wizardforcel ApacheCN 官网:apachecn.org 机器学习交流群:629470233
练习 17:字典 原文:Exercise 17: Dictionary 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 你应该熟悉 Python 的dict类。
练习 16:冒泡、快速和归并排序 原文:Exercise 16: Bubble, Quick, and Merge Sort 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 你现在将尝试为你的DoubleLinkedList数据结构实现排序算法。
练习 15:栈和队列 原文:Exercise 15: Stacks and Queues 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 当处理数据结构时,你将经常遇到类似于另一种结构的结构。
练习 14:双链表 原文:Exercise 14: Double Linked Lists 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 以前的练习可能需要花一段时间才能完成,因为你必须弄清楚如何使单个链表工作。
练习 13:单链表 原文:Exercise 13: Single Linked Lists 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 你将实现的第一个数据结构是单链表。
练习 2:创造力 原文:Exercise 2: On Creativity 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 创造力没有什么特别之处。
练习 3:质量 原文:Exercise 3: On Quality 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 我将提出一个关于认知的科学理论,我并不能证明它: 你所做事情的记忆,会让你思考最终产品,这是正确的行为。
第二部分:简单的黑魔法 原文:Part II: Quick Hacks 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 你有最好的想法,你会打动世界!你会成为一个亿万富豪!你的大脑与这个概念融为一体,你会在你的梦想中看到它,它像幽灵一样困扰着你。
练习 12:复习 原文:Exercise 12: Review 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 我的疯狂方法的第一阶段对我来说是足够的,但不是为你准备的。
练习 11:uniq 原文:Exercise 11: uniq 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 在最后两个练习的开始,没有什么可说的了。
练习 9:sed 原文:Exercise 9: sed 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 使用这些小型项目来研究你自己是有用的,但让我们来看看你主要关注的主题: 开始工作的启动流程,例如你的文本编辑器,你可以打字打的多好,以及计算机内部发生的其他事情。
练习 7:grep 原文:Exercise 7: grep 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 find命令在 45 分钟内应该可能是一个挑战,但它是一个很好的挑战。
练习 8:cut 原文:Exercise 8: cut 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 希望你正在深入学习 Python,甚至了解你自己和你的工作方式。
练习 6:find 原文:Exercise 6: find 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 希望你正在发现阻碍自己的各种方式,甚至在你开始工作之前。
练习 5:cat 原文:Exercise 5: cat 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 做完练习 4,你开始了解阻碍你的东西。
练习 4:处理命令行参数 原文:Exercise 4: Dealing with Command Line Arguments 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 在你能处理本书的第一部分之前,你需要完成一些简单的黑魔法,教你如何使用 Python 中的命令行参数。
1.1 命题逻辑 原文:Foundations of Computation 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 一个命题是一个或真或假的陈述。
5.8 决策树和随机森林 原文:In-Depth: Decision Trees and Random Forests 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。
5.7 支持向量机 支持向量机(SVM)是一种特别强大且灵活的监督算法,用于分类和回归。 在本节中,我们将探索支持向量机背后的直觉,及其在分类问题中的应用。
5.6 线性回归 原文:In Depth: Linear Regression 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。
5.2 Scikit-Learn 简介 原文:Introducing Scikit-Learn 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。
5.1 什么是机器学习 原文:What Is Machine Learning? 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。
5.5 朴素贝叶斯分类 原文:In Depth: Naive Bayes Classification 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。
# coding: utf-8 # 作者:Wizard # 预测今后的北京高考人数 # 假设 x 年的出生人数和 (x + 18) 年的高考人数是线性关系 import numpy as np from matplot...
Scikit-learn 秘籍 原书:Scikit-learn Cookbook 在线阅读 PDF格式 EPUB格式 MOBI格式 代码仓库 译者 章节 译者 1 预处理 2 回归 3 聚类 4 分类 5 后处理 协议 CC BY-NC-SA 4.
第五章 模型后处理 作者:Trent Hauck 译者:飞龙 协议:CC BY-NC-SA 4.0 5.1 K-fold 交叉验证 这个秘籍中,我们会创建交叉验证,它可能是最重要的模型后处理验证练习。
第四章 使用 scikit-learn 对数据分类 作者:Trent Hauck 译者:飞龙 协议:CC BY-NC-SA 4.0 分类在大量语境下都非常重要。
Python 数据科学入门教程:机器学习:回归 原文:Regression - Intro and Data 译者:飞龙 协议:CC BY-NC-SA 4.0 引言和数据 欢迎阅读 Python 机器学习系列教程的回归部分。
NumPy 中的傅里叶分析 # 来源:NumPy Essentials ch6 绘图函数 import matplotlib.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73277303 # 来源:NumPy Essentials ch6 绘图函数 import matplotlib.
NumPy 中的线性代数 # 来源:NumPy Essentials ch5 矩阵 import numpy as np ndArray = np.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73274683 # ...
NumPy 核心和模块 # 来源:NumPy Essentials ch4 步长 # 步长是每个维度相邻两个元素的偏移差值 import numpy as np x = np.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73252108 # ...
NumPy 数组使用 # 来源:NumPy Essentials ch3 向量化 import numpy as np # NumPy 数组的运算是向量化的 # 数组和标量运算是每个元素和标量运算 x = np.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73252085 # ...
NumPy 数组对象 # 来源:NumPy Essentials ch2 数组索引和切片 # 创建 100x100 个 0~1 随机数 x = np.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73252070 # ...
NumPy 的底牌 # 来源:NumPy Cookbook 2e Ch11 np.random.seed(44) a = np.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73252039 # 来源:NumPy Cookbook 2e Ch11 np.
Scikit 中的乐趣 # 来源:NumPy Cookbook 2e Ch10 加载示例数据集 from __future__ import print_function from sklearn import datasets # datasets.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73252025 # ...
NumPy 特殊数组与通用函数 # 来源:NumPy Cookbook 2e ch6 创建通用函数 from __future__ import print_function import numpy a...
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73251974 # ...
NumPy 音频和图像处理 # 来源:NumPy Cookbook 2e Ch5 将图像加载进内存 import numpy as np import matplotlib.
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73135779 # ...
连接 NumPy 与 剩余世界 # 来源:NumPy Cookbook 2e Ch4 使用缓冲区协议 # 协议在 Python 中相当于接口 # 是一种约束 import numpy as np impo...
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73087531 # ...
掌握 NumPy 常用函数 II 斐波那契数的第 n 项 # 来源:NumPy Cookbook 2e Ch3.1 import numpy as np # 斐波那契数列的每个新项都由之前的两项相加而成 # ...
版权声明:License CC BY-NC-SA 4.0 https://blog.csdn.net/wizardforcel/article/details/73044025 斐波那契数的第 n 项 # 来源:NumPy Cookbook 2e Ch3.
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12
发表了文章
2024-07-12