要访问或修改ndarray数组中的元素，可以使用数组切片/索引。如前所述，ndarray数组索引从0开始。使用切片访问数组，首先通过内置slice函数创建一个切片对象，该对象存储了创建时传入的start、stop和step参数，把这个切片对象传给数组，我们就可以提取数组的一部分(切片)返回。示例importnumpya...

NumPy中，可以通过指定数值范围创建ndarray数组。要使用指定区间均匀分布的数值创建数组，可以使用arange函数。语法如下所示：numpy.arange(start,stop,step,dtype)参数：start:区间开始值。默认值是0。stop:区间结束值(此值不包含在内)。step:区间步长。dtype:...

NumPy提供了使用现有数据创建数组的方法。要使用列表或元组创建ndarray数组，可使用asarray函数。这个函数通常用于将python序列转换为numpy数组对象的场景中。语法如下所示：numpy.asarray(sequence,dtype=None,order=None)参数：sequence:要被转换成nd...

要创建ndarray数组对象，除了使用底层的ndarray构造函数(ndarray.array())，还可以使用下面介绍的函数。empty函数创建未初始化数组，可以指定数组形状和数据类型。语法如下所示：numpy.empty(shape,dtype=float,order='C')参数：shape:指定数组的形状。dt...

NumPy提供的数值类型，数值范围比Python提供的数值类型更大。NumPy的数值类型，如下表所示：SN数据类型描述1bool_布尔值，取值ture/false，占用一个字节2int_是integer的默认类型。与C语言中的long类型相同，有可能是64位或32位。3intc类似于C语言中的整数类型(int)，表示3...

NumPy中最重要的类是ndarray，ndarray是存储单一数据类型的多维数组。可以使用索引(从0开始)访问ndarray对象中的元素。标准的Python列表(list)中，元素是对象。如：L=[1,2,3]，需要3个指针和三个整数对象，对于数值运算比较浪费资源。与此不同，ndarray中元素直接存储为原始数据，元...

 Numpy代表numericpython，是一个用于计算、处理多维数组的python包。NumPy包由TravisOliphant在2005年创建，基于原来的Numeric模块与Numarray模块，大部分是用c语言编写的。NumPy提供各种强大的数据结构(多维数组和矩阵)，以及对这些数据结构的强大运算能力...

Scikit-learn是一个开源Python库，它使用统一的接口实现了一系列机器学习、预处理、交叉验证和可视化算法。fromsklearnimportneighbors,datasets,preprocessingfromsklearn.model_selectionimporttrain_test_splitfro...

前面章节尝试了K均值聚类模型，准确率并不高。接下来我们尝试一种新方法：支持向量机(SVM)。支持向量机支持向量机(supportvectormachine/SVM)，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。本系列教...

到目前为止，我们已经非常深入地了解了数据集，并且把它分成了训练子集与测试子集。接下来，我们将使用聚类方法训练一个模型，然后使用该模型来预测测试子集的标签，最后评估该模型的性能。聚类(clustering)是在一组未标记的数据中，将相似的数据（点）归到同一个类别中的方法。聚类与分类的最大不同在于分类的目标事先已知，而聚类...

前面章节中，我们首先加载数据，接着查看数据集的基本信息，然后可视化数据进一步查看数据集信息。接下来，我们开始处理数据，但这之前，通常需要预处理数据。大型数据分析项目中，数据来源不同，量纲及量纲单位不同，为了让它们具备可比性，需要采用标准化方法消除由此带来的偏差。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进...

主成分分析(PCA)是一种常用于减少大数据集维数的降维方法，把大变量集转换为仍包含大变量集中大部分信息的较小变量集。减少数据集的变量数量，自然是以牺牲精度为代价的，降维的好处是以略低的精度换取简便。因为较小的数据集更易于探索和可视化，并且使机器学习算法更容易和更快地分析数据，而不需处理无关变量。总而言之，主成分分析(P...

digits是一个手写数字的数据集，我们可以使用Python的数据可视化库，比如matplotlib，来查看这些手写数字图像。示例显示digits.images中的手写数字图像。fromsklearnimportdatasets#加载`digits`数据集digits=datasets.load_digits()#导入...

前面章节中，我们加载了SciKit-Learn自带的数据集digits，可以通过以下语句查看数据集中包含哪些主要内容：digits.keys()输出dict_keys(['data','target','target_names','images','DESCR']）data 样本数据target ...

机器学习是计算机科学的一个分支，研究的是无需人类干预，能够自己学习的算法。与TensorFlow不同，Scikit-learn(sklearn)的定位是通用机器学习库，而TensorFlow(tf)的定位主要是深度学习库。数据科学中的第一步通常都是加载数据，我们首先学习怎么使用SciKit-Learn来加载数据集。数据...