- 1、本文档共632页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Python数据分析与挖掘实战全套教学课件.pptxPython数据分析与挖掘实战全套教学课件.pptxPython数据分析与挖掘实战全套教学课件.pptxPython数据分析与挖掘实战全套教学课件.pptxPython数据分析与挖掘实战全套教学课件.pptx
数据挖掘基础;;;;; 分类与回归预测; 聚类分析; 关联规则;; 时间序列;;数据挖掘的通用流程;数据挖掘的通用流程;数据挖掘的通用流程;;;;;;;;;;;;;;;;;;;Python数据挖掘编程基础;;赋值运算
乘法运算
幂运算
多重赋值
字符串操作
;a = 3
a * 3
a ** 3
a, b, c = 1, 2, 3 # 多重赋值
# 字符串操作
a = This is the Python world
a + Welcome! # 将a与 Welcome!拼接,得到This is the Python world Welcome!
a.split( ) # 将a以空格分割,得到列表[This, is, the, Python, world];判断语句;for循环语句;;for i in range(1, 5, 1):
print(i);def pea(x):
return x + 1
print(pea(1)) # 输出结果为2;c = lambda x: x + 1 # 定义函数c(x) = x + 1
d = lambda x, y: x + y + 6 # 定义函数d(x,y) = x + y + 6;数据结构;数据结构; (1)列表的基本操作
列表的创建
列表的长度
列表元素计数
列表的下标
列表的切片与索引
列表的运算
列表的增、删、改、查操作
; (2)列表的其他常用函数 ; (1)元组的基本操作
元组的创建
元组的长度
元组元素计数
元组的下标
元组的切片与索引
元组的运算
元组的查询操作
; 在数学上,字典实际上是一个映射。字典将键映射到值,通过键来调取数据 。
;数据结构;数据结构; 函数式编程(Functional programming)或函数程序设计,又称泛函编程,是一种编程范型。在Python中,函数式编程主要由lambda、map、reduce、filter几个函数构成。
假设有一个列表a = [5, 6, 7],需要为列表a中的每个元素都加3,使用map函数实现并生成一个新列表:;函数式编程(Functional programming)或函数程序设计,又称泛函编程,是一种编程范型。在Python中,函数式编程主要由lambda、map、reduce、filter几个函数构成。
假设有一个列表a = [5, 6, 7],需要为列表a中的每个元素都加3,使用map函数实现并生成一个新列表:;库的导入与添加;库的导入与添加;库的导入与添加;;NumPy;pandas; Matplotlib是约翰·亨特(John Hunter)在2008年左右的博士后研究中发明出来的,最初只是为了可视化癞痢病人的一些健康指标,慢慢的Matplotlib变成了Python上最广泛使用的可视化工??包。
支持折线图、条形图、柱状图、饼图的绘制。
支持交互式绘图和非交互式绘图。
支持Linux、Windows、Mac OS X与Solaris的跨平台绘图。
迁移学习的成本比较低。
;; scikit-learn还是Python下强大的机器学习工具包,提供了完善的机器学习工具箱,是一种简单高效的数据分析和挖掘的工具。scikit-learn不仅提供了一些实例数据用于练习,还提供了很多功能接口:
model.fit():用于训练模型
model.predict(X_new):预测新样本
model.predict_proba(X_new):预测概率
model.score():得分越高,模型拟合效果越好
model.transform():在fit函数的基础上,进行标准化,降维,归一化等数据处理操作
model.fit_transform():fit函数和transform函数的组合,既包括了训练又包含了数据处理操作。
;深度学习; Keras是由Python编写而成并使用TensorFlow、Theano以及CNTK作为后端的一个深度学习框架,也是深度学习框架中最容易使用的一个。
Keras具有高度模块化、用户友好性和易扩展特性。
支持卷积神经网络和循环神经网络,以及两者的组合。
Keras可无缝衔接CPU和GPU的切换。; PyTorch可帮助构建深度学习项目,其强调灵活性,并允许用Python表达深度学习模型;命令式体验,直接使用nn.module封装便可使网络搭建更快速和方便;调试简单,调试PyTorch就像调试Python代码一样简单。除此之外,PyTorch中还存在着较为完备的应用领域所对应的库:;PaddlePaddle支持超大规模深度学习模型的训练
文档评论(0)