python学习
Python学习【第五篇】循环语句「建议收藏」
大家好，又见面了，我是你们的朋友全栈君。Python循环语句接下来将介绍Python的循环语句，程序在一般情况下是按顺序执行的。编程语言提供了各种控制结构，允许更复杂的执行路径。循环语句允许我们执行一个语句或语句组多次。Python提供了for循环和while循环（在Python中没有do…while循环）：for循环要计算1+2+3，我们可以直接写表达式：>>>1 + 2 +
日期 2025-04-11 09:06:22Python学习（一）-环境搭建之PyCharm专业版激活成功教程
大家好，又见面了，我是你们的朋友全栈君。 PyCharm专业版破解1、下载地址：https://www.jetbrains.com/pycharm/download/#section=windows2、直接运行下载好的3、选择安装路径：E:\Pycharm\PyCharm 2018.2.44、根据电脑配置打钩5、Install安装，安装后不打开软件6、将C:\Windows\System32\d
日期 2025-04-11 09:06:22
Python 学习笔记 列表 range() xxx XXX
大家好，又见面了，我是你们的朋友全栈君 Python 学习笔记 列表 range() xxx XXX print("-" * 30) for value in range(1, 5): print(value) numbers = list(range(1, 6)) print(numbers) e
日期 2025-04-11 09:06:22
快速入门Python机器学习（20）
10 集成学习10.1随机森林算法(Random Forest)10.1.1概念2001年Breiman把分类树组合成随机森林(Breiman 2001a)，即在变量(列)的使用和数据(行)的使用上进行随机化，生成很多分类树，再汇总分类树的结果。随机森林在运算量没有显著提高的前提下提高了预测精度。算法流程：构建决策树的个数t，单颗决策树的特征个数f，m个样本，n个特征数据集1 单颗决策树训练1.1
日期 2025-04-11 09:06:22快速入门Python机器学习（24）
10.3 装袋算法(Bagging)10.3.1 原理Bagging算法 (英语：Bootstrap aggregating，引导聚集算法)，又称装袋算法，是机器学习领域的一种团体学习算法。最初由Leo Breiman于1994年提出。Bagging算法可与其他分类、回归算法结合，提高其准确率、稳定性的同时，通过降低结果的方差，避免过拟合的发生。m个样本原始数据进行n次抽样(n<=m)形成一
日期 2025-04-11 09:06:22快速入门Python机器学习（18）
9 决策树(Decision Tree)9. 1 决策树原理9.2 信息增益与基尼不纯度信息熵(约翰·香农 1948《通信的数学原理》，一个问题不确定性越大，需要获取的信息就越多，信息熵就越大；一个问题不确定性越小，需要获取的信息就越少，信息熵就越小)集合D中第k类样本的比率为pk，(k=1,2,…|y|)信息增益(Information Gain):划分数据前后数据信息熵的差值。信息增益纯度越高
日期 2025-04-11 09:06:22
Python学习：循环语句教程
Python 中的循环语句有 for 和 while。1.while 语句Python 中 while 语句的一般形式：while 判断条件condition： 执行语句statements复制同样需要注意冒号和缩进。另外，在 Python 中没有 do..while 循环。以下实例使用了 while 来计算 1 到 100 的总和：sum = 0 counter = 1 while co
日期 2025-04-11 09:06:22Python 学习笔记 列表 xxx XXX
大家好，又见面了，我是你们的朋友全栈君。 Python 学习笔记 列表 xxx XXX bicycles = ['trek', 'cannondale', 'redline', 'specialized'] print(bicycles) print(bicycl
日期 2025-04-11 09:06:22
python学习笔记 day22 面向对象（一）
大家好，又见面了，我是你们的朋友全栈君。 1. 人狗大战一个简单的小例子，定义一个Person（类）里面有人的很多属性，比如名字，性别，血量。攻击力，然后定义一个Dog（类），里面设置狗的很多属性，名字，血量，攻击力，种类等，然后又定义了两个函数attack 人打狗，以及bite()狗打人的函数，然后就可以操作这些函数，让人狗大战啦：def Person(name,aggr,blood,sex):
日期 2025-04-11 09:06:22Python学习：基础练习题
1.输出0到100的数字，如果数字是3的倍数输出Fizz，5的倍数输出Buzz。同时是3和5的倍数输出FizzBuzz，其他情况则打印原数字for i in range(100): if i==0: print(i) elif i%3==0 and i%5==0: print("FizzBuzz") elif i%3==0
日期 2025-04-11 09:06:22快速入门Python机器学习（17）
8.5 LinearSVR 8.5.1 LinearSVR类参数、属性和方法类class sklearn.svm.LinearSVR(*, epsilon=0.0, tol=0.0001, C=1.0, loss='epsilon_insensitive', fit_intercept=True, intercept_scaling=1.0, dual=True, verbos
日期 2025-04-11 09:06:22python学习
users.pop[1] #列表删除特有字符串本身不能修改删除//不可变类型。 不能用del删除字符串。 5. 修改（数字/布尔/字符串除外） ```python users=['a','b',99] users[2] = 66 #可以修改 users[0] = 'a' #可以修改 users[0][0] #不能修改复制步长，默认步
日期 2025-04-11 09:06:22Python学习：如何实现文件编码的检测
文件打开的原则是“ 以什么编码格式保存的，就以什么编码格式打开 ”，我们常见的文件一般是以“ utf-8 ”或“ GBK ”编码进行保存的，由于编辑器一般设置了默认的保存和打开方式，所以我们在记事本或常见文档编辑器如Word中不容易看到乱码的情况发生，但是，当我们要在内存里读取打开一个文件时，如果文档编码方式和计算机内存默认读取文件的编码不同，或者我们打开文件时未设置正确的编码打开规则，则很有可能
日期 2025-04-11 09:06:22Python学习系列：PyCharm CE 安装与测试
大家好，又见面了，我是你们的朋友全栈君。 开坑啦开坑啦~最近比赛要用Python了，开始强行学习。 Mac下PyCharm CE 安装先去百度PyCharm，一个很好用IDE，下载免费版的就够用啦： https://www.jetbrains.com/pycharm/ 然后下载安装，这里就一步步走就好。重点是你的Python，Mac自带的是Python2 PyCharm在新建项目的时候
日期 2025-04-11 09:06:22快速入门Python机器学习（12）
7.5 多项式贝叶斯(MultinomialNB)7.5.1 属性与方法类class sklearn.naive_bayes.MultinomialNB(*, alpha=1.0, fit_prior=True, class_prior=None)复制属性 属性解释class_count_ndarray of shape (n_classes,)拟合期间遇到的每个类的样本数。当提供时，该值由样本重
日期 2025-04-11 09:06:22Python 学习笔记 列表 for 循环 xxx XXX
大家好，又见面了，我是你们的朋友全栈君。 Python 学习笔记 列表 for 循环 xxx XXX print("-" * 30) magicians = ['alice', 'david', 'carolina'] for magician in magicia
日期 2025-04-11 09:06:22Python机器学习笔记：不得不了解的机器学习面试知识点（1）[通俗易懂]
大家好，又见面了，我是你们的朋友全栈君。 机器学习岗位的面试中通常会对一些常见的机器学习算法和思想进行提问，在平时的学习过程中可能对算法的理论，注意点，区别会有一定的认识，但是这些知识可能不系统，在回答的时候未必能在短时间内答出自己的认识，因此将机器学习中常见的原理性问题记录下来，保持对各个机器学习算法原理和特点的熟练度。 本文总结了机器学习一些面试题和笔试题，以便自己学习，当然了也为了方便大
日期 2025-04-11 09:06:22
快速入门Python机器学习（35）
14.2数据表达与特征工程14.2.1数据表达哑变量：利用类似pd.get_dummies得到的0,1数据。import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.neural_network import MLPRegressor from sklearn.neighbors impo
日期 2025-04-11 09:06:22快速入门Python机器学习（36）
14.3模型评估14.3.1几个方法交叉验证 cross_val_scoreclass sklearn.model_selection.cross_val_score(estimator, X, y=None, *, groups=None, scoring=None, cv=None, n_jobs=None, verbose=0, fit_params=None, pre_dispatch=&
日期 2025-04-11 09:06:22快速入门Python机器学习（21）
10.1.3 随机森林回归法类参数、属性和方法类class sklearn.ensemble.RandomForestRegressor(n_estimators=100, *, criterion='mse', max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0
日期 2025-04-11 09:06:22