她与我的点点滴滴

摘要： 1:混淆矩阵对角线越大越好,代表的是没个类别预测正确的数量. 2:横向来看,每一行的总数是该类别实际数量,11396代表着 16428个该类别有11396预测为了该类别. 3:纵向来看,每一列总数代表着预测成该类别的数量,图中有14314个数据预测成了该类,共有11396个数据是正确的. 阅读全文

摘要： 在DataFrame的某一行插入列表 rowdata=pd.DataFrame(columns=['a','b','c','d']) row=[1,2,3,4] rowdata.loc[1]=row rowdata.loc[0]=row #输出 #loc 是序号 iloc行号 # a b c d # 阅读全文

摘要： accuracy(准确率):总样本中预测对了多少个 precision(精确率):预测为该类别中实际为该类别的有多少个.通俗:预测后的作为基底 recall(召回率0:)实际为该类别的样本有多少个预测正了. 通俗:全部该类别数量作为基底 阅读全文

摘要： import time import json import os from functools import partial from selenium import webdriver from concurrent.futures import ThreadPoolExecutor, as_c 阅读全文

摘要： 1:统计直方图,输入分箱数据 然后输入数据即可 import matplotlib.pyplot as plt import pandas as pd import seaborn as sns # 制作频数分布表 plt.rcParams["font.sans-serif"] = ["SimHei 阅读全文

摘要： import matplotlib.pyplot as plt import pandas as pd import numpy as np rawdata = pd.read_excel("./data/test_result.xlsx") print(rawdata) test=rawdata[ 阅读全文

摘要： def draw_histogram(rawdata): plt.rcParams["font.sans-serif"] = ["SimHei"] bins = np.histogram(rawdata) bin_list = [float(format(x, '.1f')) for x in bi 阅读全文

摘要： from matplotlib import pyplot as plt # 计算组数 d = 800 # 组距 num_bins = int((max(a) - min(a)) // d) print(max(a), min(a), max(a) - min(a)) print(num_bins) 阅读全文

摘要： import pandas as pd import time from selenium import webdriver options = webdriver.FirefoxOptions() # options.set_headless(True) print(i) options.add_ 阅读全文

摘要： from sklearn.metrics import mean_squared_error #均方误差 from sklearn.metrics import mean_absolute_error #平方绝对误差 from sklearn.metrics import r2_score#R sq 阅读全文