机器学习可以分为三大部分1.监督学习（Supervised Learning）2.无监督学习（Unsupervised Learning）3.强化学习（Reinforcement Learning）1. 监督学习（Supervised Learning）定义：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有导师学习。即根据已有的数据集，知道输入和输出结果之间的关

Pyecharts介绍Echarts是一款由百度开发的开源数据可视化JS库，而pyecharts是一款使用python调用echarts生成数据可视化的库，可实现折线图，饼状图，柱状图和地图等统计图表。1.pyecharts——散点图from pyecharts.charts import Scatterx = ['N0', 'N1', 'N2', 'N3', 'N4']y = [1, 3, 5,

1. 读取数据用pandas中的read_csv()函数读取出csv文件中的数据:import pandas as pddf = pd.read_csv("comments.csv")df.head(2)用drop函数进行文件中数据的删除行或者删除列操作。2. 删除列操作方法一：假设我们要删除的列的名称为 ‘观众ID’,‘评分’ :df=df.drop(['观众ID','评分'],axis=1)方

利用Python建模进行预测时遇到ValueError: Input contains NaN, infinity or a value too large for dtype(‘float64’)和(‘float32’).（输入包含NaN、无穷大或对dtype太大的值）NaN类型的解决方法：1、检查数据中是否有缺失值print(np.isnan(df['X']).any())输出结果中Flase

使用 Anaconda 安装 R内核，在 Jupyter Notebook 中使用R语言

有时，我们读取的csv文件数据时发现没有表头/列名，是因为Python读取csv文件数据本来就没有表头，用pandas.read读取时，则第一行自动会被识别为columns，从而给后面的分析造成不便，这时候需要在读取文件数据的同时添加列名。解决方法：1、在读取文件数据之后再定义列名df = pd.read_csv('评论.csv',header=None)df.columns = ["昵称","性

1. 将两个相同的csv文件进行数据合并，通过pandas的read_csv和to_csv两个方法来完成，即采用concat方法：#加载第三方库import pandas as pdimport numpy as np#读取文件df1 = pd.read_csv("文件-1.csv")df2 = pd.read_csv("文件-2.csv")#合并df = pd.concat([df1,df2])

解决Jupyter notebook 报错 500 : Internal Server Error的方法

1. 读取数据用pandas中的read_csv()函数读取出csv文件中的数据:import pandas as pddf = pd.read_csv("comments.csv")df.head(2)用drop函数进行文件中数据的删除行或者删除列操作。2. 删除列操作方法一：假设我们要删除的列的名称为 ‘观众ID’,‘评分’ :df=df.drop(['观众ID','评分'],axis=1)方

因为Anaconda默认使用国外镜像源，下载速度相对较慢，为了节省时间提高效率，需要将源设置修改为国内镜像源，配置国内镜像源方法如下。