ICode9

精准搜索请尝试: 精确搜索
  • matplotlib常用函数总结2022-04-11 20:35:36

    matplotlib是python数据可视化的基础包。当前能搜到的博客所列举的内容都太少,很难满足定制化需求  官方文档:https://matplotlib.org/stable/api/pyplot_summary.html 首先调用接口 import matplotlib pyplot as plt   下面除了直接绘制图表的函数以外每一个函数都是可选的,如果

  • Matplotlib:分组箱线图2022-04-09 13:34:49

  • Matplotlib的小入门2022-04-08 18:01:43

    Matplotlib专门用于开发2D图表(包括3D图表),在日常数据处理中经常需要运用到它,它的用法非常多样,这里记录一些基础用法,算是一个小入门,后面如果有更复杂的画图要求,再进一步学习。 如果有需要绘制某种类型的表格可以访问-->官网文档,下文也会进一步说一下这个网站~ 一、实现一个简单

  • LSTM (Long Short Term Memory) networks2022-04-07 20:34:43

    # Define LSTM class Lstm(nn.Module): def __init__(self, input_size, hidden_size=2, output_size=1, num_layers=1): super().__init__() self.layer1 = nn.LSTM(input_size, hidden_size, num_layers) self.layer2 = nn.Linear(hid

  • 实验报告--(灰度预测+LinearSVR)与ARIMA2022-04-07 09:02:34

    灰度预测+LinearSVR 数据如下:     灰度预测 1 import pandas as pd 2 import numpy as np 3 from sklearn.linear_model import Lasso 4 5 inputfile = './data/data.csv' # 输入的数据文件 6 data = pd.read_csv(inputfile) # 读取数据 7 8 lasso = Lasso(100

  • torchvison的tranforms使用-数据增强2022-04-05 19:01:19

    本文章介绍torchvision中自带的transforms库,可对图形进行处理,本文主要介绍如何使用该方法,具体内容可分以下:   一.原理 torchvision是pytorch的一个图形库,它服务于PyTorch深度学习框架的,主要用来构建计算机视觉模型。torchvision.transforms主要是用于常见的一些图形变换。   二

  • 机器学习 神经网络权重初始值设置2022-04-05 14:32:22

    关于神经网络权重初始值的设置的研究 一、权重初始值 二、权重初始值会影响隐藏层的激活值分布 三、Xavier初始值 四、He初始值 五、基于MNIST数据集的权重初始值的比较   一、权重初始值 权值衰减—抑制过拟合、提高泛化能力。 所谓权值衰减,即,以减小权重参数的值为

  • 灰度预测+LinearSVR和ARIMA预测财政收入2022-04-02 04:00:19

      数据     一、灰度预测+LinearSVR 灰度预测 import pandas as pdimport numpy as npfrom sklearn.linear_model import Lasso inputfile = 'E:/PY1/data/data.csv' # 输入的数据文件data = pd.read_csv(inputfile) # 读取数据 lasso = Lasso(1000) # 调用Lasso()函数,设置

  • 风控预测2022-03-30 13:02:06

    神经网络测试 import numpy as npimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_data.read_data_sets('C:/Users/CHANYING/Desktop/huadabing/data/bankloan.xls', one_hot=True)#每个批次的大小batch_size=100#计

  • 银行风控模型的建立2022-03-30 13:01:25

    代码1 import pandas as pd from sklearn.model_selection import train_test_split from keras.models import Sequential from keras.layers.core import Dense, Activation from keras.layers import Activation,Dense,Dropout import numpy as np inputfile = './ban

  • 银行风控模型2022-03-30 12:32:49

    神经网络 import pandas as pd from keras.models import Sequential from keras.layers.core import Dense, Activation import numpy as np # 参数初始化 inputfile = 'D:/数据挖掘Python/data/bankloan.xls' data = pd.read_excel(inputfile) x_test = data.iloc[:,:8].value

  • 银行风控模型的建立 Python2022-03-30 12:31:46

    背景描述: 以数据bankloan.xls,前8列作为x,最后一列为y,建立银行风控模型。采用三种算法模型分别得到训练的结果,训练的误差以及混淆矩阵。 一、BP神经网络 混淆矩阵可视化函数cm_plot: def cm_plot(y, yp): from sklearn.metrics import confusion_matrix cm = confusion_matrix(

  • matplotlib.pyplot.plot()参数详解2022-03-30 10:35:50

    https://matplotlib.org/api/pyplot_summary.html https://matplotlib.org/api/pyplot_summary.html   在交互环境中查看帮助文档: import matplotlib.pyplot as plt help(plt.plot) 以下是对帮助文档重要部分的翻译: plot函数的一般的调用形式: #单条线: plot([x], y, [fmt], dat

  • Python数据挖掘----银行分控模型的建立2022-03-30 01:34:07

    数据初始化 import pandas as pd from keras.models import Sequential from keras.layers.core import Dense, Activation import numpy as np # 参数初始化 inputfile = 'E:\\the_6_school_year\\python\\data\\bankloan.xls' data = pd.read_excel(inputfile) x_te

  • 基于数据挖掘算法建立银行风控模型2022-03-30 00:32:19

    Bp神经网络:import pandas as pd import numpy as np #导入划分数据集函数 from sklearn.model_selection import train_test_split #读取数据 datafile = './data/bankloan.xls'#文件路径 data = pd.read_excel(datafile) x = data.iloc[:,:8] y = data.iloc[:,8] #划分数据集 x

  • 银行分控模型的建立2022-03-30 00:03:29

      SVM算法实现 # -*- coding: utf-8 -*- from sklearn import svm from sklearn.metrics import accuracy_score from sklearn.metrics import confusion_matrix from matplotlib import pyplot as plt import seaborn as sns import pandas as pd import numpy as np from skl

  • 建立银行分控模型2022-03-28 09:01:55

    cm_plot 函数代码   def cm_plot(y, yp): from sklearn.metrics import confusion_matrix #µ¼Èë»ìÏý¾ØÕóº¯Êý cm = confusion_matrix(y, yp) #»ìÏý¾ØÕó import matplotlib.pyplot as plt #µ¼Èë×÷ͼ¿â plt.matshow(cm, cmap=pl

  • 银行风控模型2022-03-28 02:31:14

    一、用神经网络Sequential(序贯模型)搭建 import pandas as pd import numpy as np #导入划分数据集函数 from sklearn.model_selection import train_test_split #读取数据 datafile = 'D:\桌面\data(1)'#文件路径 data = pd.read_excel(datafile) x = data.iloc[:,:8] y = data.i

  • python数据分析-银行分控模型的建立2022-03-27 22:33:48

    一、用神经网络Sequential(序贯模型)搭建 代码: import pandas as pd import numpy as np #导入划分数据集函数 from sklearn.model_selection import train_test_split #读取数据 datafile = '../data/bankloan.xls'#文件路径 data = pd.read_excel(datafile) x = data.iloc[:,:8]

  • 数据挖掘模型学习2022-03-27 21:02:53

    银行风险控制模型 逻辑回归模型~sklearn:   import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score inputfile = 'E:\\pydata\\data\\bankloan.xls

  • python2022-03-27 20:03:03

     神经网络建模 import pandas as pd inputfile = r'C:/Users/Administrator/Desktop/data/bankloan.xls' outputfile = 'C:/Users/Administrator/Desktop/data_type.xls' k = 3 iteration = 500 data = pd.read_excel(inputfile, index_col = '年龄�

  • 神经网络和决策树2022-03-27 17:31:56

    1、神经网络 '''神经网络测试''' import pandas as pd from keras.models import Sequential from keras.layers.core import Dense, Activation import numpy as np # 参数初始化 inputfile = 'C:/Users/86183/Desktop/data/bankloan.xls' data =

  • plt常用2022-03-27 14:01:54

    1.绘制散点图、拟合方程、R方 import matplotlib.pyplot as plt import pandas as pd import numpy as np from scipy import stats df = pd.read_excel("all_mean.xlsx") columns = list(df.columns) for i in range(2,len(columns)): x_list = list(df[columns[1]])

  • BP神经网络算法以及ID3决策树分析bankloan数据2022-03-26 16:34:54

    一、BP神经网络算法 代码如下: # -*- coding: utf-8 -*- import pandas as pd filename = 'C:/Users/86136/Documents/python大数据分析/课本源代码以及数据/chapter5/demo/data/bankloan.xls' data_tr = pd.read_excel(filename) #print(data_tr) # 导入数据 #读取数据 x_tr = d

  • 使用python读取图片和显示图片2022-03-25 21:01:53

    目前就我通过实验得出使用python读取和显示图片有两种方式。 一、    使用CV2读取和显示图片:图片效果如下    实验代码: import cv2 img = cv2.imread('cat.jpg',cv2.IMREAD_UNCHANGED) cv2.imshow('cat',img) cv2.waitKey()  imread()和imshow()是对称的,imshow中的第一个

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有