桀同学83931

Python的一大应用就是数据分析了，而数据分析中，经常碰到需要处理Excel数据的情况。这里做一个Python处理Excel数据的总结，基本受用大部分情况。相信以后用Python处理Excel数据不再是难事儿！ 表格样式一般主要有这么几块内容：字体、对齐方式、边框、背景色、宽…

Numpy 中的 axis 对初学者而言是一个非常容易引起困扰的概念，本文希望通过图文并茂的方式，让大家能对 axis 有一个直观的认识。 axis 本身就是 轴 的意思，它实际上代表了要在哪个轴上进行求和，所以使用 sum 函数时，一定要有一个空间上的概念，这样会非常容易理解…

2. 如何为元组中的每个元素命名提高程序的可读性 访问时我们使用索(index)访问，大量索引降低程序可读性. 方案1.将序列转换成字典{元素：频度}，根据字典中的值排序。 统计出前N轮每场比赛都有进球的球员. 方案1. 某编程比赛系统， 对参赛选手编程解题进行计时，选手晚上比…

Keras 框架发明者François Chollet推荐文章的翻译，出于Keras与scikit-learn的相似性，给出的引导教程：通过与scikit-learn的比较来使用Keras。 使用 Keras 创建、评价深度神经网络非常的便捷，不过你需要严格地遵循几个步骤来构建…

如果用图来描述，即：图中每个节点表示一个地点，每条边表示一条路线，这些边 有向 并且 有权重。要查找从起点到终点的最佳通路（“最佳”的定义是：构成这条通路的所有边的权重和最小）。 基于广度优先搜索的办法。广度优先在处理社交网络问题时，每个节点被第一次访问，就是最短通路。但地图导…

决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。 决策树是一个树结构（可以是二叉树或者非二叉树），非叶节点表示一个特征属性上的测试，每个分支代表在某个值域上的输出，每个叶节点存放一个类别。 测试就是按照从根节点往下走，直到叶节点，得到决策结果。