data cleaning 基础笔记整理pandas中用于替换某一类字符df.replace('-',np.nan,inplace=True)pandas Dataframe提取方法#loc只能通过index和columns来取，不能用数字df.loc['one','a']#one行，a列df.loc['one':'two','a']#one到two行，a列df.loc['one':'two','

wo们出python基础啦系列（一）—数据类型wo们出python基础啦系列（二）—条件判断有趣的python实践案例（一）—获取WiFi密码+动态二维码有趣的python实践案例（二）—turtle库绘画案例前言天线宝宝之后竟是樱花树？继上次介绍有趣的动态二维码之后，这次奇趣多多要向大家介绍懒鬼画画工具——turtle库！顾名思义，turtle库其实就是一只勤劳的小乌龟，而我们所需要做的其实也就

目录1.简单静态网页的爬取1.1缩略图1.2高清大图2.动态加载网站的爬取2.1selenium模拟浏览器请求2.2通过api3.selenium模拟登录前言python基础爬虫主要针对一些反爬机制较为简单的网站，是对爬虫整个过程的了解与爬虫策略的熟练过程。爬虫分为四个步骤：请求，解析数据，提取数据，存储数据。本文也会从这四个角度介绍基础爬虫的案例。1.简单静态网页的爬取我们要爬取的是一个壁纸网站

神经编码引入我们可以简单的用encoding—decoding理论描述大脑的神经元活动：encoding：一个刺激如何引起神经环路一系列的响应？显然易见，这是关于"how"也就是建立机械模型的问题。decoding：通过神经环路的一系列响应我们该如何辨别不同的刺激？换句话说，我们怎么通过计算重构大脑的信息处理过程？比如说一个用来驱动机械臂的神经假肢，其工作将是读取一些神经数据的测量并激活手臂以朝着

对神经元和spike信号进行建模我们的目标是建立一个简化的符合真实生物学意义的神经元模型—其中包括一个胞体，一个收集其他神经元输入的树突，以及一个将胞体内或附近产生的动作电位传递给其他神经元的轴突。我们需要将这种生物学上的联结用电路图的形式进行处理。RC电路（一）— 被动细胞膜细胞膜是脂质双层的，而磷脂和脂肪都是非常好的绝缘体，其中嵌入的离子通道会选择性的让离子通过，从而出现电流交换，但是在被动细

三种计算神经生物模型计算神经科学的主要研究目的， 是用计算术语描述大脑是如何指导行为的。而这具体又分为三个层次：描述神经系统在这个过程中做了什么—“what” model确定神经系统在这个过程中如何运转—“how” model理解神经系统在这个过程中为何如此运转—“why” model根据这三个层次，我们将计算神经生物模型分为三种：描述性模型，机械模型，解释性模型案例引入为了更好的理解这三种模型，

深度学习—从入门到放弃（五）正则化1.正则化引入在说到正则化的概念之前，我们先来回想一下我们花费力气建立神经网络的目的是什么？我们之所以建立模型，那么肯定是希望它能处理真实世界里的数据，换言之，也就是网络的泛化。那么为了达到良好的泛化效果，我们究竟要让模型训练时拟合效果达到哪种程度呢？1.1 过拟合过拟合是一个普遍存在的问题，尤其是在神经网络领域，神经网络模型动辄都有上万个参数，现代的深度网络参数

深度学习—从入门到放弃（三)多层感知器MLP1.MLP简介正式进入MLP之前，我们先来看看单个神经元组成的线性神经网络，由上图可知单个神经元的神经网络无法解决像XOR这样的非线性问题。这个时候MLP就出场了！多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐藏层，最简单的

深度学习—从入门到放弃（七）CNN进阶，迁移学习引入图像是高维的。即image_length* image_width*image_channels是一个很大的数字，而上一教程里所提到的CNN的权值共享便是一种解决图像和其他领域高维问题的方法。在CNN网络结构的演化上，出现过许多优秀的CNN网络，本文的目的就是带大家了解现代卷积神经网络的发展历程，本文主要关注以下四种网络：LeNet，AlexNe

深度学习—从入门到放弃（八）使用CNN进行人脸识别问题重述假设我们需要进行面部识别系统的开发，我们的思路如下：有一个有K个人的人脸数据的数据集进行人脸识别时我们先有一个输入图像输出图像为输入图像在数据集里的分类标签针对整个思路我们又面临着如下的挑战：人的个数多但是数据集里每一个人对应的图像又很少，即数据量小，我们需要在给定较少输入图像的情况下进行人脸识别鉴于以上，我们不选择简单的分类器，而是选择C