Python有非常多有趣使用的技巧，下面列舉20個短小精煉的用法，其中既包含常規(guī)語法，又有第三方庫的妙用，體現(xiàn)了python簡單即美的編程哲學。 快速實現(xiàn)字頻統(tǒng)計 漢字轉(zhuǎn)拼音...
發(fā)簡信
IP屬地：浙江
-
關(guān)于Python的20個奇技淫巧
-
-
Kaggle新手，籃球愛好者。
-
Kaggle數(shù)據(jù)挖掘競賽入門系列：（一）Kaggle簡介
Kaggle是全球最大的數(shù)據(jù)分析在線平臺，吸引了全球范圍內(nèi)數(shù)十萬的頂級數(shù)據(jù)科學家，同時也是檢測我們機器學習技能的最佳平臺。 一、Kaggle簡介 Kaggle成立于2010年...
-
債務(wù)違約預(yù)測之四：利用人工神經(jīng)網(wǎng)絡(luò)進行預(yù)測
不了解人工神經(jīng)網(wǎng)絡(luò)的小伙伴，可以看看之前寫的一篇分享 單隱層神經(jīng)網(wǎng)絡(luò) 不管是用無隱層，單隱層，還是多層的神經(jīng)網(wǎng)絡(luò)，都無法提高準確率，始終是0.93。是參數(shù)、模型問題，還是單純...
-
債務(wù)違約預(yù)測之三：利用sklearn進行預(yù)測
參考sklearn 文檔中的1.1.10. 邏輯回歸和1.9.1. 樸素貝葉斯 高斯模型 兩部分。 scikit-learn 樸素貝葉斯類庫使用小結(jié)
-
債務(wù)違約預(yù)測之二：圖形探索
在債務(wù)違約預(yù)測之一：數(shù)據(jù)探索中，按各個屬性對借貸者分組，再分析其違約率?，F(xiàn)在換一個角度，分為違約者和未違約兩類，再查看兩組人群中各個屬性的分布。 出現(xiàn) 'max must b...
-
債務(wù)違約預(yù)測之一：數(shù)據(jù)探索本文是解密大數(shù)據(jù)社群一期課程的結(jié)業(yè)作業(yè)。項目分為數(shù)據(jù)探索，使用sklearn完成回歸和預(yù)測，利用神經(jīng)網(wǎng)絡(luò)進行預(yù)測 三部分。目前編碼工作基本完成，整理后陸續(xù)貼上來。 數(shù)據(jù)集介紹...
-
持續(xù)學習，越努力，越幸運！<br><a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2FCuiZhongyuan" target="_blank">https://github.com/CuiZhongyuan</a>
-
公號：Python大數(shù)據(jù)分析，關(guān)注送10G資料
-
-
掃碼關(guān)注公眾號《老男孩的架構(gòu)路》
-
Java架構(gòu)師<br>wx公眾號：org_yijiaoqian
-
阿里云官網(wǎng)內(nèi)容平臺！匯聚阿里云優(yōu)質(zhì)內(nèi)容（入門、文檔、案例、最佳實踐、直播等）！如需轉(zhuǎn)載或內(nèi)容類合作，郵件yqgroup@service.aliyun.com 秒級回復(fù)！<br>
-
10年機械行業(yè)老兵，學習機器學習技術(shù)，例行實踐“傳統(tǒng)行業(yè)+新技術(shù) = 新興行業(yè)“的金科玉律！
-
<br>博客：<a href="https://blueseach.github.io" rel="nofollow" target="_blank">https://blueseach.github.io</a>
-
一個不懂法律的心理咨詢師不是好影評人！<br>把電影讀成詩，將文字變作光。<br>歡迎關(guān)注我的同名公眾號“書影斑斕”。<br>
