手写识别的应用场景有很多，智能手机、掌上电脑的信息工具的普及，手写文字输入，机器识别感应输出；还可以用来识别银行支票，如果准确率不够高，可能会引起严重的后果。当然，手写识别也是机器学习领域的一个Hello World任务，感觉每一个初识神经网络的人，搭建的第一个项目十之八九都是它。我们来尝试搭建下手写识别中最基础的手写数字识别，与手写识别的不同是数字识别只需要识别0-9的数字，样本数据集也只需..

单选题1. 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)A. 关联规则发现B. 聚类C. 分类D. 自然语言处理2. 以下两种描述分别对应哪两种对分类算法的评价标准？ (A)(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。(b)描述有多少比例的小偷给警察抓了的标准。...

平常我们用pandas做重复数据处理时，常常调用到drop_duplicates方法，来去除重复保留唯一值。现在我不想去除重复，而是把整个重复数据输出，数据如下所示：https://www.cnblogs.com/trotl/p/11876292.htmlhttps://blog.csdn.net/qq_37977267/article/details/83585869https://www.cn

以前又傻又菜的时候，根据条件替换某一列值或新增总是会写一些for 循环去处理，现在发现一个更简洁的方式，就是善用pandas方法。根据条件新增一列值现有数据集如下所示：调用apply()方法，可以作用于Series或者整个DataFrame，它自动遍历整个Series或者DataFrame, 对每一个元素运行指定的函数。新增一列label,要求按照id列是否包含M来指定label的取值：#按条件新

计算两列数据的时间差，按天数返回。源数据的格式如下：为防止两列出现空值情况，先对其进行空值填充(可选)# 时间空值填充time=date(2000,1,1)data[["l_call_time3","l_call_time2"]]=data[["l_call_time3","l_call_time2"]].fillna(time)调用pandas.to_datetime()函数将数据转换为日期时间