监督学习-Supervised Learning什么是监督学习它是一种机器学习中的训练方法或者学习方式机器学习训练方法通常有监督学习、非监督学习、强化学习那么监督学习：需要具备明确的目标，很清楚自己想要什么结果，比如:按照“既定规则”分类，预测某一个具体的值…具体流程选择一个适合目标任务的数学模型先把一部分已知的问题和答案给机器去学习机器总结出自己的方法论人类把新问题的测试集给机器，让他去解答通常

1.“Numpy”的进阶版Tensor对象Pytorch的Tensor（张量）和Numpy极度相似，但Tensor更强劲一点。其一是它能够被GPU运算；其二是可以自动求微分。import torchimport numpy as npTensor可以定义在GPU上，也可以定义在CPU上，通常用dtype指定数据类型、device指定它的设别（是在CPU上还是在GPU上）方法torch.Tensor

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言决策树算法是及其学习中最经典、最基础的算法之一。我们需要掌握，以下介绍关于决策树的一些基本原理。一、决策树原理问：决策树能干什么？答：当然是分类！到底明天是不是要去开会？？对其进行简单的分支1.决策树基本概念2.衡量标准3.信息增益4.决策树构造实例5.连续

库的准备1.pip install pillow和pip install pytesseract2.tesseract 安装及使用 链接【https://blog.csdn.net/showgea/article/details/82656515】Tips:安装tesseract可能会提示错误信息！请参考文档：链接【https://blog.csdn.net/weixin_44010678/art

支持向量机（SVM）SVM算法可谓是最经典的机器学习算法了，具有泛化错误率低，分类速度快，结果易解释等特点多多，在应用领域涉及非常广，比如人像识别 、文本分类 、手写字符识别、人脸识别、生物信息学等等等，同时算法模型评估效果也是很优秀的，它为何这么优秀？实际背后其实是数学凸优化问题，即：局部最优解，一定是全局最优解【不好理解！】，你可以类比于高中线性优化问题的直线的平移问题【肤浅的理解】有兴趣可以

我们在做计量经济学时，或者在做数据分析时，总是遇到个别个体的数据缺失，我的案例是关于年份与所对应的变量关系做法：1.将年份2010-2018分别设为[1,2,3,~~~,8]，作为x，缺失的变量作为y2.将用python来拟合（预测）缺失的那年数据。下面例子是缺失了2010年的数据，在year中，是没有1的。# 读取或者输出数据data = pd.DataFrame({'year':[2,3,4,

感谢公众号【计算机物语】，欢迎关注该博主大人！打开 百度翻译开发平台，点击 登录，然后登陆你的百度（百度云）账号登录成功后点击 管理控制台选择 个人开发者，并且填写相关信息，然后点 下一步这里 不用填写信息，选择 暂不认证点击 开通服务选择 通用翻译API，点击 下一步点击 开通标准版应用名称随便填一个即可，其它信息不用填写，勾选 我已知晓通用翻译API计费规则，点击 确认开通点击 前往管理控制台

【文章转载】https://mp.weixin.qq.com/s/2xut0Uk2LbxMIOclSh79Ug【作者】任冬学编程1、Unix和Linux有什么区别？Linux是一款开源操作系统，不需要付费，即可使用；Unix是一款对源码实行知识产权保护的传统商业软件，使用需要付费授权使用。Linux操作系统具有良好的跨平台性能，可运行在多种硬件平台上；Unix操作系统跨平台性能较弱，大多需与硬件配

经验模态分解EMD起源：1998年Huang等人提出了一种全新的信号时频分析方法——希尔伯特·黄变换(Hilbert-Huang Transform，HHT)。该方法首先采用(Empirical Mode Decom-position，EMD)算法将非平稳信号逐级分解为若干个(Intrinsic Mode Function，IMF)和一个残余量，然后再对各个IMF分量进行希尔伯特变换(Hilber

创始人 :Duranton and Overman（2005）目前应用较多的产业集聚度量指数主要基于两类，一是根据不同空间地理单元中的均衡性进行构造，如；二是基于微观企业地理位置信息形成的产业空间分布进行构造，其中代表性方法是。DO指数旨在利用行业内企业的微观地理位置信息，通过，得到的企业间距离密度分布，从而获得产业集聚程度关于空间距离的函数。另一方面，通过随机化处理样本企业位置进行的可以帮助构造