摘要： 内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现银行客户流失率预测，它属于一个二分类问题（因为针对单个客户来说，他要么已流失要么未流失）。 具体实现过程如下： 导入所需库：预先导入nump、pandas、sklearn以及keras库 导入数据：使用pandas 阅读全文

摘要： 内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现银行客户流失率预测，它属于一个二分类问题（因为针对单个客户来说，他要么已流失要么未流失）。 具体实现过程如下： 导入所需库：预先导入nump、pandas、sklearn以及keras库 导入数据：使用pandas 阅读全文

摘要： 内容实现概述 本文主要讲述使用sklearn库内置的神经网络模型，实现葡萄酒分类。 具体实现过程如下： 导入所需库：预先导入sklearn库 导入数据：调用库内置的加载葡萄酒数据的方法load_wine()，导入数据 数据预处理：对wine数据进行预处理，获得特征数据与目标数据；对特征数据进行归一化 阅读全文

摘要： 一、内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现新闻分类。 具体实现过程如下： 导入所需库：预先导入keras以及numpy库 导入数据：调用keras库内置的新闻数据库（reuters, 即路透社）方法load_data()，导入并分割好数据 数据预处理： 阅读全文

摘要： 一、内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现电影评论。 具体实现过程如下： 导入所需库：预先导入keras库 导入数据：调用keras库内置的房价数据库（imdb, 即互联网电影资料库）方法load_data()，导入并分割好数据 数据预处理：对由整数表 阅读全文

摘要： 一、内容实现概述 本文主要讲述使用keras库内置的Sequential（序列）模型，实现房价预测。具体实现过程如下： 导入所需库：预先导入keras以及scikit-learn库 导入数据：调用keras库内置的房价数据库（boston_housing）方法load_data()，导入并分割好数据 阅读全文

摘要： 一、内容实现概述 本文主要讲述使用scikit-learn库内置的k-means模型，实现斑点聚类。具体实现过程如下： 1. 导入所需库：预先导入numpy、matplotlib以及scikit-learn库 2. 导入数据：调用sklearn库内置的加载数据的方法make_blobs()，导入斑点 阅读全文

摘要： 一、内容实现概述 本文主要讲述使用scikit-learn库内置的kNN模型，实现鸢尾花分类。具体实现过程如下： 1. 导入所需库：预先导入scikit-learn库 2. 导入数据：调用sklearn库内置的加载数据的方法load_iris()，导入鸢尾花数据 3. 数据预处理：对鸢尾花数据进行预 阅读全文

摘要： 一、内容实现概述 本文主要讲述使用scikit-learn库内置的线性回归模型，实现房价预测 预测房价实现过程如下： 导入所需库：预先导入pandas、matplotlib以及scikit-learn库 导入数据：使用pandas库的文件解析方法read_csv()，读取房价文件数据 数据预处理：对 阅读全文

摘要： 一、内容实现概述 本文主要讲述使用Python的Plotly绘图库绘制掷2个6面骰子多次后其结果之和的直方图结果 Matplot绘制过程如下： 导入random库、plotly库以及绘制直方图的Bar()方法 两次同时调用random库的randint()随机方法在1-6的整数中随机取一个值，并记录 阅读全文