前言本篇文章仅仅使用了sklearn中的linear_model来进行预测模型，作为学习机器学习和数据分析的开始。接下来我会更加深入学习，为大家带来更好的文章。导入所需要的库from sklearn.datasets import load_boston # 数据集import pandas as pdfrom pandas import Series, DataFrameimport numpy

概述先来介绍一下xml格式的文件，从数据分析的角度去看xml格式的数据集，具有以下的优点开放性(能在任何平台上读取和处理数据，允许通过一些网络协议交换xml数据)、简单性(纯文本，能在不同的系统之间交换数据)、结构和内容分离(不同于HTML，数据的显示和数据本身是分开的)、可扩展性(派生出其他标记语言)问题描述那么我们在进行数据分析的时候，如何运用xml里面的数据呢？我们就需要将这类文件转化成其他

独热编码介绍优点举例说明介绍独热编码通常是用来处理稀疏而又散乱的分布空间的数值。其方法是使用N状态寄存器来对N个状态进行编码，每个状态都有独自的寄存器位，在任意时候只有一位有效，只有一位是1，其余的都为0。优点1.能够处理非连续型数值特征。2.在一定程度上也扩充了特征，比如：将性别这个特征经过独热编码后变为男、女这两个特征。举例说明在数字0-9中，6的独热编码为0000001000。也就是说对一个

导入所需要的库import numpy as npimport pandas as pdfrom matplotlib import font_manager as fm, rcParamsimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_split # 用于分割数据集将sklearn中的da

前言本篇文章仅仅使用了sklearn中的linear_model来进行预测模型，作为学习机器学习和数据分析的开始。接下来我会更加深入学习，为大家带来更好的文章。导入所需要的库from sklearn.datasets import load_boston # 数据集import pandas as pdfrom pandas import Series, DataFrameimport numpy

概述波士顿房价预测是机器学习、数据分析入门的经典案例。下面我们通过这个案例来一起学习相关内容。数据集描述此数据源于美国某经济学杂志上，分析研究波士顿房的数据集，共有506个样本数据，13个输入特征和1个输出特征。名称说明CRIM城镇人均犯罪率ZN住宅地所占的比例INDUS城镇非住宅地所占比例CHAS是否临近Charies RiverNOX一氧化氮浓度RM屋子的平均房间数AGE1940年之前建成的自

问题描述在安装tensorflow-gpu出现如下报错：WARNING: The script markdown_py.exe is installed in 'C:\Users\SilentCat\AppData\Roaming\Python\Python38\Scripts' which is not on PATH.问题根源'C:\Users\SilentCat\AppData\Roamin

概述relu称为线性整流函数(修正线性单元)，tf.nn.relu()用于将输入小于0的值增幅为0，输入大于0的值不变。用法tf.nn.relu(features, name=None)例子import tensorflow as tftf.compat.v1.disable_eager_execution()sess = tf.compat.v1.Session()a = tf.constant

报错：解决方案：将model.compile里面的loss参数修改如下即可：model.compile(optimizer='adam',loss=tf.keras.SparseCaticalCrossentropy(from_logits=True),metrics=['accuracy'])改为：model.compile(optimizer='adam',loss='sparse_categ

概述短时傅里叶变换定义了一个非常有用的时间和频率分布类，其制定了任意信号时间和频率变换的附属幅度，短时傅里叶变换的实质就是把一个比较长的时间信号分成相同长度的更短的段，在每个短的段上计算傅里叶得到傅里叶频谱图。...