discrete离散的discrete、continuous连续的算法就是公式线性回归就是一个算法y=a+bx去拟合最好的，得到一个最优解Actual value:真实值Predicted value：预测值Error：误差，预测值与真实值的差距Loss：整体误差Loss function损失函数损失函数是严格推到出来的2.深入理解线性回归回归，就是回归到平均值 随机变量 相互独立正态分布也叫高斯分布 最大似然估计 MLE

最优化就是函数的极大值或者极小值 这个函数一般是损失函数loss function，极大值和极小值一般可以转化，只要加负号就可以了 局部极小值，邻域内，此函数的值最小 迭代求解的原因 求极值点，一般求得导数等于零或者梯度等于零，就是疑似的极值点，找到疑似的极值，及驻点 对于一些函数很难通过求导数求得极值点，只能一步一步的迭代，说白了就是一个值一个值的试。 梯度下降发：找一个初始值 牛顿法

查看缺失值   DataFrame对象查看列中的缺失数量，方法是使用info()函数   具体操作如下  import pandas as pd import numpy as np df=pd.DataFrame([[1,np.nan,3],[np.nan,5,np.nan],[2,4,9]]) df  上述代码创建了一个DataFrame对象，如下图所示  使用info()函数进行缺失值得查看，代码如下  df.info()  返回的信息如下图所示   在Series对象中查看缺失值使用isnull()函数   值得注意的一点是，Series对象中没有info（）这个属性   先创建一个S...

创建一个DataFrame对象，既可以进行Series过滤也可以DataFrame过滤 1. 先看一下怎么进行Series过滤先创建一个DataFrame对象，代码如下 import pandas as pd data=pd.DataFrame({ 'name':['zhangsan','lisi','wangwu'], 'age':[19,20,18], 'sex':['boy','gilr','boy'], 'score':[100,99,99] },index=('zhangsan','lisi','wangwu'),columns=('age','sex','score')) data...

使用一个二维数组并指定index和column创建一个DataFrame对象，我更喜欢这种方式创建DataFrama对象，例如 import numpy as np data=pd.DataFrame(np.random.randint(0,10,(3,2)),index=list('abc'),columns=list('de')) data运行结果Series对象值得切片与索引,代码如下 a=pd.Series([1,2,3,4,5],index=list('abcde')) print(a['d'],'\n',a[1],'\n',a[1:3],'\n',a['a':'c'])索引的时候可...

Pandas是基于Numpy的一套数据分析工具.Series对象，它是创建一个一维的列表（数组），怎么叫也不太清楚，非常的混乱，但是一定要留心别人是怎么叫的，首先要有一个宏观的认识。Series对象创建的是一个带有索引号的数组，所以Series包含两个非常重要的参数，value和index。使用代码创建一个Series import pandas as pd data = pd.Series([1,2,3,4,5]) data运行结果运行结果中第一列是索引号，第二列是数组，索引号可以按照自己的习惯或者要求重新赋值，例如 data = pd.Series([2,3,5,3,1],index=li...

不再做过多的文字赘述，直接上代码 import numpy as np x = np.linspace(0,10,100) sin_y = np.sin(x) cos_y = np.cos(x) plt.plot(x,sin_y) plt.plot(x,cos_y)运行结果  绘制散点图使用函数scatter函数，上代码 plt.scatter(x,sin_y)运行结果

使用python进行画图时，需要先引进一个matplotlib.pyplot，是这样操作的import matplotlib.pyplot as plt 先看一个画直线的代码，代码如下 import matplotlib.pyplot as plt plt.plot([0,2],[1,4])值得注意的一点是这个图连接的不是（0，2），（1，4）两个点，竟然是（0，1），（2，4）两个点，你敢信吗？我也不知道为啥是这样的，视频中讲解的时候需要加一行代码才可以展示图片，代码是plt.show,我这个运行的时候不需要这一行代码就可以出现图片，有可能是版本的问题，运行结果如下  绘制折线图使用五个点绘...

numpy中数组可以进行算数运算，+-*/ 当两个数组的形状相同时，相应位置的数值会进行相应的运算，例如 import numpy as np a = np.arange(9).reshape([3,3]) b = np.arange(9).reshape([3,3]) a+b数组a和数组b分别为二维的三行三列数组    运行结果  当两个数组的形状不相同时，也可以进行运算，例如 c = np.array([1,2,3]) a+c运行结果为，数组a的每一行都会加上数组c  取整函数向下取整函数floor，相上取整函数ceil，传入数字一般是浮点型的，会进行取整操作，非常的简单，以至于不想进行代...

数组的拼接分为行拼接，和列拼接 行拼接用hstack函数 行拼接的时候必须保证拼接的两个数组行数是一样多的，例如  import numpy as np arr1 = np.array([[1,2,3,4],[5,6,7,8]]) arr2 = np.array([[4,5],[9,0]]) np.hstack([arr1,arr2])  上述代码中arr1是两行四列，arr2是两行两列，行数相同可以拼接，拼接结果如下   列拼接用vstack函数 要求与行拼接类似，代码如下,此处值得注意的一点是，arr1和arr3维度不相同却可以拼接😮。  import numpy as np arr1 ...

reshape函数可以改变数组的维度，可以升维度，也可以降维度，只要保证元素个数不变就可以。操作非常的简单，是这样的：reshape(1,3,4),变成一个三维的三行四列的数组；reshape(2,3,2),变成三维的，有两个三行两列的数组； ravel函数ravel函数可以将高维度数组降维成一维数组，例如先创建一个二维的三行四列的数组，代码如下 import numpy as np arr = np.arange(12) arr arr.reshape((3,4))运行结果为使用ravel函数进行降维，代码如下，非常的简单，简单的让人怀疑人生。 arr.ravel()运行结果如下  flat...

Numpy中可以将一维数组转换成二维数组，使用的方法是，调用reshape函数，例如 import numpy as np arr = np.arange(12) arr上述代码可以产生一个一维的数组  将一维数组改成二维数组且是三行四列的，代码如下 arr = arr.reshape(3,4) arr运行结果为  要想获得上图里边的6，7，10，11这两行两列的操作是，使用切片操作，代码如下 arr[1:3,2:4]其中1：3中1代表第二行，由于此处是左闭右开的，不包含3，实则为2，2则代表第三行，所以1：3就是取得上图中的第二行和第三行。其中2：4中2，4代表的是列，取值规则与上述1：3相...

zeros函数创建的数组元素均为0zeros函数创建数组格式是这样的，zeros(shape,dtype=float),例如 arr = np.zeros((3,4),dtype=float) arr其中shape是一个3x4的数组运行结果为  ones函数创建的数组元素均为1ones函数创建数组是这样的，ones(shape),例如 arr = np.ones((2,2)) arr其中shape是一个2x2的数组运行结果  empty函数创建数组，元素是空的empty函数创建数组是这样的，empty(shape,dtype,order)，order一般不太起多大的作用,shape形状里边的元...

Numpy(numerical python)科学计算基础库numpy模块在使用前要进行引入 import numpy as np在后边的使用过程中np就可以代替numpy arange函数是numpy模块中的一个函数，该函数可以传入一个整数类型，例如arange(10),就会返回一个类似列表的数组，其实返回类型是numpy.ndarray类型。arange生成数组列表可以这样numpy.arange(start,stop,step,dtype),例如arr = numpy.arange(2,20,3,float) array函数也可以生成数组，与arange函数不同的是，array函数需要传...