数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

詹惠儿

范围函数的储存对象

存储所述的可变范围（）由范围创建需要更多的存储器相比，使用可变的xrange存储范围（）。其基本原因是range（）的返回类型是list，xrange（）是xrange（）对象。# Python code to demonstrate range() vs xrange() # on basis of memory import sys # initializing a with r

0.0000

0

6

0

关注作者

收藏

詹惠儿

range（）和xrange（）的区别

range（）和xrange（）是两个函数，可用于在Python 中的for循环中迭代一定次数。在Python 3中，没有xrange，但是range函数的行为类似于Python 2中的xrange。如果你想编写将在Python 2和Python 3上运行的代码，你应该使用range（）。range（） - 返回使用range（）函数创建的数字列表。xrange（） - 此函数返回可用于仅通

200.0000

1

6

0

关注作者

收藏

詹惠儿

python装饰器语法的运行顺序

python装饰器语法的运行顺序：

0.0000

0

4

0

关注作者

收藏

詹惠儿

python装饰器的语法

装饰器是Python中非常强大和有用的工具，因为它允许程序员修改函数或类的行为。装饰器允许我们包装另一个函数，以扩展包装函数的行为，而无需永久修改它。在Decorator中，函数被作为参数引入另一个函数，然后在包装函数内部调用。装饰器的语法：@gfg_decoratordef hello_decorator(): print("Gfg") '''Above code is eq

0.0000

0

2

0

关注作者

收藏

詹惠儿

比较运算符中的链接

比较运算符中的链接：比较产生布尔值：True或False。比较可以任意链接。例如：x

0.0000

0

2

0

关注作者

收藏

詹惠儿

Python中的关联性和优先级

在编程语言中检查两个以上的条件非常常见。假设我们想检查以下条件：a

200.0000

1

4

0

关注作者

收藏

詹惠儿

python内置迭代器实例

# A simple Python program to demonstrate # working of iterators using an example type # that iterates from 10 to given value # An iterable user defined type class Test: # Cosntructor def __i

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何将数据转为整数或浮点数

1. int（a，base）：该函数将任何数据类型转换为整数。如果数据类型是字符串，则“Base”指定字符串所在的基数。2. float（）：此函数用于将任何数据类型转换为浮点数# Python code to demonstrate Type conversion # using int(), float() # initializing string s = "10010"#

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何将字符转换为字典或复数

1. dict（）：此函数用于将顺序元组（键，值）转换为字典。2. str（）：用于将整数转换为字符串。3. complex（real，imag）::此函数将实数转换为复数（实数，图像）数。# Python code to demonstrate Type conversion # using dict(), complex(), str() # initializing integ

200.0000

1

2

0

关注作者

收藏

詹惠儿

python字符的常用函数及解释

1. int（a，base）：该函数将任何数据类型转换为整数。如果数据类型是字符串，则“Base”指定字符串所在的基数。2. float（）：此函数用于将任何数据类型转换为浮点数3. ord（）：此函数用于将字符转换为整数。4. hex（）：此函数用于将整数转换为十六进制字符串。5. oct（）：这个函数是将整数转换为八进制字符串。6. tuple（）：此函数用于转换为元组。7. se

0.0000

0

4

0

关注作者

收藏

詹惠儿

如何检查数据格式

在mnist数据集中，它是28和28.我们还需要检查数据格式，即'channels_first'或'channels_last'。在CNN中，我们可以在数据之前对数据进行标准化，使得大的计算项可以减少到更小的项。比如，我们可以通过将其除以255来规范化x_train和x_test数据。检查数据格式：img_rows, img_cols=28, 28if k.image_data_for

0.0000

0

3

0

关注作者

收藏

詹惠儿

python如何评估cnn函数

评估cnn函数：model.evaluate提供测试数据的分数，即将测试数据提供给模型。现在，模型将预测数据的类，预测的类将与y_test标签匹配，以给我们准确性。score = model.evaluate(x_test, y_test, verbose=0) print('loss=', score[0]) print('accuracy=', score[1])

0.0000

0

2

0

关注作者

收藏

詹惠儿

CNN模型中每层工作的说明

CNN模型中每层工作说明：layer1是Conv2d层，它使用32个过滤器卷积图像，每个过滤器大小（3 * 3）。layer2也是一个Conv2D层，它也用于卷积图像，并使用64个滤波器，每个滤波器的大小（3 * 3）。layer3是MaxPooling2D层，它从大小（3 * 3）的矩阵中选择最大值。layer4以0.5的速率显示Dropout。layer5将从layer4获得的输出展

0.0000

0

1

0

关注作者

收藏

詹惠儿

将卷积神经网络应用于mnist数据集

CNN基本上是一种已知为卷积神经网络的模型，并且由于其有用性，最近它已经获得了很多人气。CNN使用多层感知器进行计算工作。与其他图像分类算法相比，CNN使用相对较少的预处理。这意味着网络通过传统算法手工设计的过滤器进行学习。因此，对于图像处理任务，CNN是最适合的选择。MNIST数据集：mnist数据集是手写图像的数据集，如下图所示。a通过使用CNN（卷积神经网络）和功能模型，我们可以

0.0000

0

4

0

关注作者

收藏

詹惠儿

python如何查看决策树完整的流程

python如何查看决策树完整的流程# import export_graphviz from sklearn.tree import export_graphviz # export the decision tree to a tree.dot file # for visualizing the plot easily anywhere export_graphviz(regr

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何对决策树回归的结果进行可视化展示

如何对决策树回归的结果进行可视化展示# arange for creating a range of values # from min value of X to max value of X # with a difference of 0.01 between two # consecutive values X_grid = np.arange(min(X), max(X),

0.0000

0

2

0

关注作者

收藏

詹惠儿

python如何在决策树回归模型中预测新值

python如何在决策树回归模型中预测新值# predicting a new value # test the output by changing values, like 3750 y_pred = regressor.predict(3750) # print the predicted price print("Predicted price: % d\n"% y_pre

0.0000

0

2

0

关注作者

收藏

詹惠儿

python如何将决策树回归器拟合到数据集

python如何将决策树回归器拟合到数据集# import the regressor from sklearn.tree import DecisionTreeRegressor # create a regressor object regressor = DecisionTreeRegressor(random_state = 0) # fit the regressor w

0.0000

0

1

0

关注作者

收藏

詹惠儿

决策树回归是指什么

决策树回归：决策树回归观察对象的特征并在树的结构中训练模型以预测未来的数据以产生有意义的连续输出。连续输出意味着输出/结果不是离散的，即，它不仅仅由离散的已知数字或值组表示。离散输出示例：预测特定日期是否会下雨的天气预报模型。连续输出示例：一种利润预测模型，用于说明可以通过销售产品产生的可能利润。

0.0000

0

4

0

关注作者

收藏

詹惠儿

决策树的特点

决策树是一种决策工具，它使用类似流程图的树结构，或者是决策模型及其所有可能的结果，包括结果，输入成本和效用。决策树算法属于监督学习算法的范畴。它适用于连续输出变量和分类输出变量。分支/边表示节点的结果，节点具有：条件[决策节点]结果[结束节点]分支/边缘代表语句的真实性/虚假性，并且根据下面的示例做出决定，该示例显示了评估三个数字中最小的一个的决策树：

0.0000

0

2

0

关注作者

收藏

<1…102103104…340>

CDA考试动态

CDA报考指南