从一下四个角度分析：一、异常值分析：1.连续异常值：例如平均收入，一个超级土豪可能拉高一部分人的工资（舍弃或者取边界值代替）2.离散异常值：...

首先有三部分代码：第一部分是绘制地图代码，第二部分是Q-Learning的代码，第三部分是运行代码地图如下：黄色圆形 :机器人红色方形 :炸弹[reward = -1]绿色方形 :宝藏[reward = +1]其他方格 :平地[reward = 0]代码如下(env.py)：# -*- coding: UTF-8 -...

（有关公式、基本理论等大量内容摘自《动手学深度学习》(TF2.0版)）什么是softmax回归？前面学的线性回归最后结果为预测的连续值，而softmax回归更适合预测离散值。这句话可能不太理解。先说一下softmax的定义：它把一些输入映射为0-1之间的实数，并且归一化保证和为1，因此多分类的概率之和也刚好为1。这些映射的实数的个数是认为设定的。例如我们要识别数字图片，则0-9的概率是我们想要知道

学习视频来源为b站动手学深度学习系列视频：https://space.bilibili.com/209599371/channel/detail?cid=23541由于上述视频为MXNet/Gluon框架编写，所以代码部分参考网站为：https://trickygo.github.io/Dive-into-DL-TensorFlow2.0/#/本文主要是学习该系列视频所整理笔记，可能很多内容直接原

学习视频来源为b站动手学深度学习系列视频：https://space.bilibili.com/209599371/channel/detail?cid=23541由于上述视频为MXNet/Gluon框架编写，所以代码部分参考网站为：https://trickygo.github.io/Dive-into-DL-TensorFlow2.0/#/本文主要是学习该系列视频所整理笔记，可能很多内容直接原

卷积神经网络CNN的结构一般包含这几个层：输入层：用于数据的输入卷积层：使用卷积核进行特征提取和特征映射激励层：由于卷积也是一种线性运算，因此需要增加非线性映射池化层：进行下采样，对特征图稀疏处理，减少数据运算量。全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失输出层：用于输出结果归一化层（Batch Normalization）：在CNN中对特征的归一化...

本文将会从实际的训练过程来依次讲解，用到哪些知识点就将～BP神经网络是一种按误差反向传播(简称误差反传)训练的多层前馈网络，其算法称为BP算法，它的基本思想是梯度下降法，利用梯度搜索技术，以期使网络的实际输出值和期望输出值的误差均方差为最小。基本BP算法包括信号的前向传播和误差的反向传播两个过程。即计算误差输出时按从输入到输出的方向进行，而调整权值和阈值则从输出到输入的方向进行。正向传播...

也叫f检验。例：SST：总变差平方和SSM：平均平方和SSE：残差平方和检车统计量F:做假设检验【F满足自由度（m-1，n-m）的F分布】计算后：所以可以拒绝原假设。...

分为三种情况：正相关、负相关、不相关1.正相关：相关系数越大、越接近1，说明：正向同步，即都变大或者都变小。2.负相关：相关系数越小、越接近-1，说明：反向同步，即一个变大另一个变小。3.不相关：相关系数趋向0，则认为没相关性。用的有两种相关系数：1.Pearson相关系数：...

首先，来进行异常值分析（注意异常值是查看各种单属性的各种数值后得出的结论），然后进行分组比较、切片比较、自定义比较。这些比较也是用来更好的观察数据的。import pandas as pdimport scipy.stats as ssimport numpy as npdf=pd.read_csv("/Users/ren/PycharmProjects/untitled7/data/...