原创 F#入門學習(三)

求函數特徵,啥是函數特徵,就是函數是什麼類型,特徵是一個專業名詞而已 namespace Library1 type Color = |Red |Green |Blue type Type0() =

原创 Python3中list列表最常用的函數和方法

函數 len()返回列表中的元素數量。 max() 返回列表中的最大元素。 最大元素的判斷依據是列表中的對象類型。 數字列表中的最大元素是最大的數字。 字符串列表中的最大元素是按照字母順序排序時排在最後一位的元素。 因爲 max

原创 pandas數據清洗 缺失值與空值處理

數據清洗之前,我們必須先明白自己想要幹什麼,達成怎麼樣的效果,然後採取對應的方法來實現這個需求。 以下是對數據一些清洗方法介紹: 1. 查看空值 DataFrame.isna() DataFrame.isna()判斷該表的空值情

原创 F#入門學習(五)

前面幾個講的是基礎知識和基本類型,現在開始講的是F#的庫。 什麼是庫?我個人的理解是:沒學之前,你無論實現什麼功能都得自己寫,舉個 例子,你寫了一個機器人手舞足蹈的程序,寫完之後看他跳舞,結束了。有天你又想看機器人跳舞,就又得寫一

原创 pandas數據分析常用方法總結(數據集可以自己更改)

1.導入庫 #導入庫 import numpy as np import pandas as pd 2.查看數據 #讀取文件 data = pd.read_csv('titanic_data.csv') data

原创 F#入門學習(一)

F#學習 打開項目 6+3 6.0+3.0 6+3.0 //會有波浪線,預能感知,藍色警告可以運行 字符型 let x1 = '財' //val x1 : char = ‘財’ 註釋 let x1 = '財' //

原创 內連接,外連接,全連接

我們有兩張不同的表,想要合併他們 這兩張表不同,怎麼合併? 取他們相同的部分,形成新表叫內連接。 相同部分取相同的值,不同部分取左邊那張表的部分,形成新表叫左外連接 相同部分取相同的值,不同部分取右邊那張表的部分,形成新表叫右外

原创 機器學習---監督學習之樸素貝葉斯

通過概率對某數據進行預測。 重要的是:我們必須分清楚,已知和推斷。 已知:小明和小紅穿紅色毛衣的概率 推斷:穿紅色毛衣的概率是小明還是小紅 專業術語就是: 已知:小明和小紅(事件A)穿紅色毛衣(事件R)的概率(P(R|A))

原创 機器學習練習項目(決策樹):泰坦尼克號乘客生還率預測

相應的數據集和可執行文件均可以在本文中獲取。以下各段代碼也均可在jupyter中運行,可以隨時查看結果。 題目描述: 1912年,泰坦尼克號在第一次航行中就與冰山相撞沉沒,導致了大部分乘客和船員身亡。在這個項目中,我們將探索部分泰

原创 Letxe常見符號公式總結(Markdown可使用)

markdown中輸入公式需要$ $包裹 { }把{ }內的數字字母當成一個整體,不加的話只會識別一個數字或字母。 \frac輸出:分子分母,\frac{a}{b}輸出:ab\frac{a}{b}ba​,\frac{a+b}{c

原创 機器學習---監督學習之線性迴歸

分類和迴歸的區別: 分類,我們預測一個狀態, 迴歸,我們預測一個值。 線性迴歸是:通過已有的數據,擬合出一條符合它的直線,用來預測其他可能出現的值。 如何擬合一條好的直線呢? 就是是如何使一條直線更加的靠近一個點呢? 技巧方法

原创 機器學習---監督學習之感知器算法

感知器算法(以神經網絡爲基礎)是用來分類的,也就是用來回答是否問題的。 神經網絡 神經網絡是機器學習中的一個模型,可以用於兩類問題的解答: 分類:把數據劃分成不同的類別 迴歸:建立數據間的連續關係 如何分類?(找線劃分) 紅藍

原创 機器學習---監督學習之決策樹算法

決策樹概念 根據我們前面學到的知識 顧名思義:一棵用來決策的樹。 機器學習已有的數據,分析什麼情況會導致什麼結果,把它畫成一顆分叉的樹, 然後如果有新數據來了,帶入這棵樹來決策應該怎麼做。 比如帶入性別,得到結果:性別女則決策

原创 F#入門學習(十三)---選項

選項表示有兩種取值的狀態:有值或者無值。 有值用Some()取值。我終於知道前面的學習Some是什麼意思了…… 無值用關鍵字None表示。 定義選項常量 let x1 : int option = Some(2) let x

原创 最全白話文git學習教程,最適合入門及深造

git學習前言 之前的學習過程中老是遇到git,但是也沒有必須用到的地方,也沒在意。但是因爲一次偶然的機會寫其他代碼,回過頭來發現,原來那時候已經模模糊糊的學過了git,現在正好也需要系統的回憶下,所以想着找個機會把git有結構