这一节会讲解一些函数的其他功能,如全局变量、递归函数、匿名函数lambda。他可以很大效率的提升你的工作效率! 一、global声明了一个全局变量 全局变量是位于模块文件内部的顶层的变量名 全局变量如
函数是组织好的,可重复使用的,用来实现单一,或相关联功能的代码段。函数能提高应用的模块性,和代码的重复利用率。 一、调用函数 Python内置了很多有用的函数,我们可以直接调用。 要调用一个函数,
一、 条件if 条件语句格式: 执行语句…… if 判断条件: 执行语句…… else: 当if有多个条件时可使用括号来区分判断的先后顺序,括号中的判断优先执行,此外 and 和 or 的优先级低于>
下面来介绍Python的另外两种数据类型,元组和集合。这两种在实现策略中使用的相对较少,学习一遍后,之后使用中如果遇到可以到这里查询。 集合是一个无序不重复元素的集,常用到其关系运算和消除重复元素。
字典(dictionary) 字典在某些语言中可能称为 联合内存 (associative memories) 或 联合数组 (associative arrays)。序列是以连续的整数为索引,与此不
新手在使用平台进行量化策略实现时,往往会被各种数据类型搞乱,不知道目前获取的数据是什么类型的,可以使用什么方法,所以梳理了一下。 在Python中有多种内建的数据结构,我们这里经常遇到的会有列表、字典
注:教程所用环境为 Python 2.7 一、Python是什么? Python是一种计算机程序设计语言。你可能已经听说过很多种流行的编程语言,比如非常难学的C语言,非常流行的Java语言,适合初学者
论文摘要 深度学习可以让那些拥有多个处理层的计算模型来学习具有多层次抽象的数据的表示。这些方法在许多方面都带来了显著的改善,包括较先进的语音识别、视觉对象识别、对象检测和许多其它领域,例如药物发现和基
8.1 Optimization Objection 支持向量机 (Support Vector Machine: SVM)是一种非常有用的监督式机器学习算法。首先回顾一下Logistic回归,根据l
关于SVM 可以做线性分类、非线性分类、线性回归等,相比逻辑回归、线性回归、决策树等模型(非神经网络)功效最好 传统线性分类:选出两堆数据的质心,并做中垂线(准确性低)——上图左 SVM:拟合的不
神经网络的预备知识 为什么要用神经网络? 特征提取的高效性。 大家可能会疑惑,对于同一个分类任务,我们可以用机器学习的算法来做,为什么要用神经网络呢?大家回顾一下,一个分类任务,我们在用机器学习算法
PaddlePaddle的基本数据格式 根据官网的资料,总结出PaddlePaddle支持多种不同的数据格式,包括四种数据类型和三种序列格式: 四种数据类型 : dense_vector:稠密
本文从分类和回归两个方面介绍了基本的监督学习方法,并用Scikit-Learn做了实例演示。 为何使用人工智能和机器学习? 地球的未来在于人工智能和机器学习。如果对这些技术一无所知,人们很快会
1、引言 k-means与kNN虽然都是以k打头,但却是两类算法——kNN为监督学习中的分类算法,而k-means则是非监督学习中的聚类算法;二者相同之处:均利用近邻信息来标注类别。 聚类是数据挖掘中
本文对比了频率线性回归和贝叶斯线性回归两种方法,并对后者进行了详细的介绍,分析了贝叶斯线性回归的优点和直观特征。 我认为贝叶斯学派和频率学派之间的纷争是「可远观而不可亵玩」的学术争论之一。与其热衷于站