一、线性回归的理论1）线性回归的基本概念线性回归是一种有监督的学习算法，它介绍的自变量的和因变量的之间的线性的相关关系，分为一元线性回归和多元的线性回归。一元线性回归是一个自变量和一个因变量间的回归，可以看成是多远线性回归的特例。线性回归可以用来预测和分类，从回归方程可以看出自变量和因变量的相互影响关系。线性回归模型如下：对于线性回归的模型假定如下：（1）误差项的均值为0，且误差项与解释变量之间线性无关（2）误差项是独立同分布的，即每个误差项之间相互独立且
系统 2019-09-27 17:52:24 2152
来源|Medium作者|arjunaskykok整理/Aholiab出品|区块链大本营（blockchain_camp）根据IEEE此前的一项调查，Python已成为最受开发者欢迎的语言之一。由于其对于技术小白天然友好的特性，以及不断更新的新功能。Python越来越受到国内外开发者的喜爱。越来越多被用于独立、大型项目的开发开始使用Python。20世纪90年代初荷兰人GuidovanRossum为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，作为ABC
系统 2019-09-27 17:51:48 2152
定义返回单值defmy_abs(x):ifx>=0:returnxelse:return-x返回多值返回多值就是返回一个tupleimportmathdefmove(x,y,step,angle=0):nx=x+step*math.cos(angle)ny=y-step*math.sin(angle)returnnx,ny空函数defnop():pass指定默认参数必选参数在前，默认参数在后。默认参数需指向不可变对象（默认参数值在函数定义时被计算）defp
系统 2019-09-27 17:50:54 2152
#读入文件pmi_days.csv，完成以下操作：1.统计质量等级对应的天数，例如：优：5天良：3天中度污染：2天2.找出PMI2.5的最大值和最小值，分别指出是哪一天。importpandasaspdimportcsvdays_path=open(r"C:\Users\Administrator\Desktop\pmi_days.csv")days_df=pd.read_csv(days_path)data=days_df.groupby('质量等级')
系统 2019-09-27 17:50:41 2152
一、简介Python是一门功能强大的高级脚本语言，它的强大不仅表现在其自身的功能上，而且还表现在其良好的可扩展性上，正因如此，Python已经开始受到越来越多人的青睐，并且被屡屡成功地应用于各类大型软件系统的开发过程中。与其它普通脚本语言有所不同，Python程序员可以借助Python语言提供的API，使用C或者C++来对Python进行功能性扩展，从而即可以利用Python方便灵活的语法和功能，又可以获得与C或者C++几乎相同的执行性能。执行速度慢是几乎
系统 2019-09-27 17:49:36 2152
endswith()方法返回true，如果字符串以指定后缀结尾，否则返回(False可选限制的匹配从给定的索引开始和结束)。语法以下是endswith()方法的语法：str.endswith(suffix[,start[,end]])参数suffix--这可能是一个字符串或者是元组用于查找后缀。start--切片从此开始end--切片到此为止返回值如果字符串以指定的后缀结束此方法返回true，否则返回false。例子下面的例子显示了endswith()方法
系统 2019-09-27 17:47:19 2152
前言在Python越来越火的当下，感觉作为一个计算机专业的学生还是需要掌握一些Python的编程技能。《Python编程：从入门到实践》是一本好书，我主要学习书里最后的项目部分，因为有C/C++的学习基础，所以对Python的学习我是想通过实践，从项目中学习。这段时间打算学习书上这个Web应用程序的项目，Web的相关知识是我没接触到的，第一次看到这个项目我并没有很大的兴趣去做，因为怕现在做了之后等到工作的时候其实完全不需要用到，也早忘了。但这段时间，体验了
系统 2019-09-27 17:47:17 2152
一python特殊属性1总述属性含义_name_类，函数，方法等的名字_module_类定义所现在的模块名_class_对象或类所属的类_bases_类的基类的元素，顺序为他们在基类列表中出现的顺序_doc_类/函数的文档字符传，如果没有定义则为None_mro_类的mro,class.mro()返回_dict_类或实例的属性，可写的字典_dir_返回了类或者对象所有成员列表，dir()函数调用的是_dir_()，如果提供了_dir_()，则返回属性列表，
系统 2019-09-27 17:47:04 2152
文章目录H5数据集的使用使用h5py的group分割GB级数据H5数据集的使用#创建withh5py.File("data_train.h5",'w')ashf:hf.create_dataset('train_input',data=shuffled_input)hf.create_dataset('train_label',data=shuffled_label)#打开withh5py.File("data_train.h5",'r')ashf:tra
系统 2019-09-27 17:46:09 2152
Kmean分类项目链接：https://github.com/Wchenguang/gglearn/blob/master/KmeansClassifier/讲解/KmeansClassifier.ipynb首先,随机确定K个初始点作为质心（不必是数据中的点）。然后将数据集中的每个点分配到一个簇中,具体来讲,就是为每个点找到距其最近的质心,并将其分配该质心所对应的簇.这一步完成之后,每个簇的质心更新为该簇所有点的平均值.重复上述过程直到数据集中的所有点都距
系统 2019-09-27 17:45:38 2152
