使用findall（）方法匹配简介：       findall（）方法用于在整个字符串中搜索所有符合正则表达式的字符串，并以列表的形式返回。如果匹配成功。则返回包含匹配结构的列表，否则返回空列表。re.findall(pattern,string,flags)例子1：import repattern=r'mr_\...

使用Python内置文本操作函数文本数据：处理文本数据代码：import numpy as npwith open('out.txt') as f:line=f.readline()data_array=[]while line:num=list(map(str,line.split(' ')))#关于map（）函数另一篇文章有详细介绍...

numpy中matmul的使用简介：       numpy.matmul 函数返回两个数组的矩阵乘积。当两个数组都是二维数组的时候，就是数学上的两个矩阵的乘积。例如：import numpy.matlibimport numpy as npa = [[1,0],[0,1]]b = [[4,1],[2,2...

1、 Tensorflow队列队列的API1、同步操作示例：完成一个出队列、+1、入队列操作代码# 模拟一下同步操作，先处理数据，然后才能取数据训练import tensorflow as tf# 1.首先定义队列Q = tf.FIFOQueue(3, tf.float32)# 放入一些数据enq_many = Q.enqueue_many([[0.1, 0.2, 0.3], ])# [,]用逗号

一、数据集划分机器学习一般的数据集会划分为两个部分：训练数据：用于训练，构建模型测试数据：在模型检验时使用，用于评估模型是否有效1.sklearn数据集划分APIsklearn.model_selection.train_test_splitscikit-learn数据集API介绍from sklearn.datasets import load_irisli = load_iris()print

1. 分类模型的评估• estimator.score()• 一般最常见使用的是准确率，即预测结果正确的百分比1.1 混淆矩阵上面的不需要记，只要记住精确率和召回率。其中召回率考虑的比较多。1.2 精确率(Precision)与召回率(Recall)其他分类标准，F1-score，反映了模型的稳健型2. 分类模型评估APIsklearn.metrics.classification_report代

1. 文件读取的一般流程文件队列构造文件阅读器文件内容解码器批处理前3个步骤都是读取一个样本，第四步读取多个样本。2. 每个步骤需要的API读取数据中也用到线程的操作：3. 文件读取案例各种文本文件，这里使用的是txt文件，其他csv之类的都可以。import tensorflow as tfimport osmain_path = "F:/文本文件数据/"# 导入数据的准备file_name =

1.人工智能、机器学习、深度学习的关系机器学习可以做什么。学习的书籍推荐学习目标2. 什么是机器学习机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测。从历史数据当中获得规律？这些历史数据是怎么的格式？3. 数据集的结构1. 可用的数据集2. 数据集结构特征值就是房子的面积、位置、楼层、朝向；目标值就是房价。数据中对于特征处理两个包：1.pandas:一个数据读取非常方便以及

1. 图像基本知识像素值就是特征值单通道：每一个像素一个值，叫灰度值在[0~255]之间，三通道，每个像素点3个值。4-D张量是 [样本数，height, width, channels]缩放图片⼤小：减少像素的量；统⼀图⽚的⼤小，去进⾏算法识别。2. 图像基本操作API3.案例狗图片读取1、构造图片文件队列2、构造图片阅读器3、读取图片数据4、处理图片数据代码：import tensorflow

1.人工智能、机器学习、深度学习的关系机器学习可以做什么。学习的书籍推荐学习目标2. 什么是机器学习机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测。从历史数据当中获得规律？这些历史数据是怎么的格式？3. 数据集的结构1. 可用的数据集2. 数据集结构特征值就是房子的面积、位置、楼层、朝向；目标值就是房价。数据中对于特征处理两个包：1.pandas:一个数据读取非常方便以及