摘要：
在博客园上断断续续写了有十年了，打算停更了； 后续文章会更新到公众号上，有需要的可以关注下，谢谢！ 阅读全文
posted @ 2025-11-03 12:57
马贡多在下雨
阅读(5)
评论(0)
推荐(0)
摘要：
带关键字的格式化 >>> >>> print "Hello %(name)s !" % {'name':'James'} Hello James ! >>> >>> print "Hello {name} !".format(name="James") Hello James ! >>> 使用dic 阅读全文
posted @ 2018-01-13 16:34
马贡多在下雨
阅读(559)
评论(0)
推荐(0)
摘要：
逻辑回归介绍 逻辑回归（Logistic Regression）是一种经典的分类算法，尽管名字中带有 “回归”，但它本质上用于解决二分类问题（也可扩展到多分类）。 逻辑回归的本质是 “在线性回归的基础上，通过一个映射函数将输出转化为概率（从而实现对类别概率的预测）”，这个映射函数就是Sigmoid函 阅读全文
posted @ 2025-07-19 17:18
马贡多在下雨
阅读(622)
评论(1)
推荐(2)
摘要：
线性回归模型 多元线性回归模型 多元线性回归模型实例 源数据 The housing data was derived from the Ames Housing dataset compiled by Dean De Cock for use in data science education. 阅读全文
posted @ 2025-06-17 23:05
马贡多在下雨
阅读(39)
评论(1)
推荐(0)
摘要：
示例代码 import json import time import datetime import requests as req import numpy as np import pandas as pd import matplotlib.pyplot as plt import matp 阅读全文
posted @ 2024-12-02 17:16
马贡多在下雨
阅读(40)
评论(1)
推荐(0)
摘要：
Bash 的 /dev/tcp 功能为用户提供了一个直接的方式，通过 TCP 套接字发送 HTTP 请求，这一功能可以在没有额外工具的情况下执行简单的网络操作。 发送HTTP GET请求 #!/bin/bash # 打开一个 TCP 连接到 baidu.com 的 80 端口，并将其分配给文件描述符 阅读全文
posted @ 2024-11-04 14:14
马贡多在下雨
阅读(127)
评论(0)
推荐(0)
摘要：
一天的光滑数据 sub = [199.68, 187.16, 173.97, 159.85, 146.92, 135.29, 125.04, 114.86, 105.85, 97.93, 90.6, 84.19, 78.37, 72.85, 68.93, 66.59, 62.19, 58.59, 5 阅读全文
posted @ 2024-07-06 14:53
马贡多在下雨
阅读(209)
评论(0)
推荐(0)
摘要：
思路 1. 对原始数据一阶求导，得到一阶导数数组。 2. 对一阶导数数组求标准差。导数的标准差提供了导数值的波动性，标准差越小，曲线越平滑。 平滑曲线 import numpy as np import matplotlib.pyplot as plt from matplotlib import 阅读全文
posted @ 2024-07-04 19:23
马贡多在下雨
阅读(1091)
评论(0)
推荐(0)
摘要：
原始数据 import matplotlib.pyplot as plt from matplotlib import font_manager fname="/usr/local/python3.6/lib/python3.6/site-packages/matplotlib/mpl-data/f 阅读全文
posted @ 2024-07-04 18:27
马贡多在下雨
阅读(62)
评论(0)
推荐(0)
摘要：
构造时序数据 import numpy as np import matplotlib.pyplot as plt # 设置参数 period = 128 num_cycles = 5 total_length = period * num_cycles # 生成周期性信号（正弦波形） np.ran 阅读全文
posted @ 2024-07-04 17:56
马贡多在下雨
阅读(94)
评论(0)
推荐(0)
摘要：
基于asciichartpy import asciichartpy data = [1, 2, 3, 4, 5, 4, 3, 2, 1] chart = asciichartpy.plot(data) print(chart) 基于sparklines import sparklines data 阅读全文
posted @ 2024-07-01 19:01
马贡多在下雨
阅读(75)
评论(0)
推荐(0)
浙公网安备 33010602011771号