贝叶斯学派
逆概率
pxy = px * py 独立
若不独立
条件概率
P(x|y) = P(xy) /P(y)
贝叶斯学派
逆概率
pxy = px * py 独立
若不独立
条件概率
P(x|y) = P(xy) /P(y)
as a reminder for classmates, currently we use 'sklearn' rather than 'scikit-learn' in coding ;)
a=[] a =[ ["高小一",1830,"北京"], ["高小二",1831,"上海"], ["高小一",1832,"北京"] ] for m in range(3): for n in range(4): print(a[m][n].end=='\t') print() #打印完一行,换行
#修改原列表,不修改新的列表排序 a.sort ##默认是升序 a.sort(reverse= true) ##降序排列 import random random.shuffle(a) ##打乱排序
【10,20,30,40,50,60,70】【-5:-3】
##倒数第五和倒数第三,包头不包尾
结果:【30,40】
【10,20,30,40,50,60,70】【::-1】
##反向提取
结果:【70,60,50,40,30,20,10】
#print列表的遍历
#account 计数 #len 列表长度
##index()获得指定元素在列表中首次出现的索引
a = ["明天出去吗?","不,要去做核酸"] a.remove('明天出去吗?') a
機器學習推薦書:
1. 機器學習 (西瓜書)
2. Python數據分析與挖掘實戰
3. 機器學習系統設計
4. 面向機器智能TensorFlow實戰
5. TensorFlow技術解析與實戰
#bin(c)#打印二进制数
bin(c&b)
bin(c^b)亦或,相同是0,不相同是1
左移相当于*2右移相当于/2
a==3
a<<3
#字符串拼接
“3”+“2”==“32”
【10,20,30】+【5,10,100】=【10 20 30 5 10 100】
#乘法
“sxt”*3 =sxtsxtsxt
【10,20,30】*2=【10,20,30,10,20,30】
io.StringIO 可变符号串
例如:
s = 'hello.sxt'
import io
sio = io.StringIO(s)
sio
如何修改
a='abcdfehunlnklnaskdkl'
a[1:5]
a[-5:]
del 变量名 #删除
机器学习简介
机器学习、深度学习可以做什么?
(自然语言处理、图象识别、传统预测)
机器学习库和框架
scikit learn、TensorFlow
课程定位:
以算法、案例为驱动的学习,浅显易懂的数学知识
注意:参考书比较晦涩难懂,不建议直接读
课程目标:
熟悉机器学习各类算法的原理
掌握算法的使用,能够结合场景解决实际问题
掌握使用机器学习算法库和框架
机器学习课程
特征工程;模型、策略、优化,分类、回归和聚类,TensorFlow,神经网络,图象识别,自然语言处理
步长定义
good 重点内容
秩 铺垫
要点总结
全列插入:
insert into 表名 values( ‘数据1’, ‘数据2’, ‘数据3’……)
部分插入:
insert into 表名 (字段1,字段2 ……)values( ‘数据1’, ‘数据2’, ……),( ‘数据1’, ‘数据2’, ……)
上确界:M=supE
下确界:M=infE