书栈网 · BookStack 本次搜索耗时 0.049 秒,为您找到 240016 个相关结果.
  • 科学计算和数据分析

    科学计算和数据分析 用来进行科学计算和数据分析的库。 astropy:一个天文学 Python 库。官网 bcbio-nextgen :这个工具箱为全自动高通量测序分析提供符合最佳实践的处理流程。官网 bccb:生物分析相关代码集合。官网 Biopython:Biopython 是一组可以免费使用的用来进行生物计算的工具。官网 blaze :...
  • FP—tree

    Deeplearning Algorithms tutorial 频繁模式增长算法 相关应用 优缺点 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列,在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗,覆盖无人驾驶、智能助手、图像识别等许多层面。苹果业已开始...
  • 4. Apriori

    数据挖掘十大算法—Apriori算法 数据挖掘十大算法—Apriori算法 来源:http://blog.csdn.net/u011067360/article/details/24810415 一、Apriori 算法概述 Apriori 算法是一种最有影响力的挖掘布尔关联规则的频繁项集的 算法,它是由Rakesh Agrawal 和Ram...
  • 关联规则学习(Association Rule Learning)

    Deeplearning Algorithms tutorial 关联规则学习(Association Rule Learning) Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列,在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗,覆盖无人驾驶、智能助手、图像...
  • 4.8 结论

    4.8 结论 虽然本书剩下的章节大部分是用pandas规整数据,我们还是会用到相似的基于数组的计算。在附录A中,我们会深入挖掘NumPy的特点,进一步学习数组的技巧。
  • 效果评估算法和kNN

    效果评估算法和kNN 训练集和测试集 十折交叉验证 效果评估算法和kNN 让我们回到上一章中运动项目的例子。 在那个例子中,我们编写了一个分类器程序,通过运动员的身高和体重来判断她参与的运动项目——体操、田径、篮球等。 上图中的Marissa Coleman,身高6尺1寸,重160磅,我们的分类器可以正确的进行预测: >>> cl ...
  • 12. 使用FP-growth算法来高效发现频繁项集

    第12章 使用FP-growth算法来高效发现频繁项集 前言 FP-growth 算法简介 FP-growth 算法步骤 FP树 介绍 FP-growth 原理 FP-growth 代码讲解 第12章 使用FP-growth算法来高效发现频繁项集 前言 在 第11章 时我们已经介绍了用 Apriori 算法发现 频繁项集 与...
  • 数据校验-多数据校验

    多数据校验 - CheckMap 示例1,默认错误提示 示例2,自定义错误提示 校验结果顺序性 可选校验规则 多数据校验 - CheckMap 多数据校验即支持同时对多条数据进行校验,需要给定校验规则,并且可以自定义出错时的错误信息。 其中比较重要且复杂的是校验规则参数的定义。 校验方法: https://godoc.org/githu...
  • 数据校验-单数据校验

    单数据校验 - Check 示例1,校验数据长度,使用默认的错误提示 示例2,校验数据类型及大小,并且使用自定义的错误提示 示例3,使用自定义正则校验数据格式,使用默认错误提示 单数据校验 - Check 接口文档:https://godoc.org/github.com/gogf/gf/util/gvalid func Check ...
  • 数据校验-单数据校验

    校验数据长度,使用默认的错误提示 校验数据类型及大小,并且使用自定义的错误提示 使用自定义正则校验数据格式,使用默认错误提示 我们可以将给定的变量当做一个完整的参数进行校验,即单数据校验。如果变量是Struct/Map 复杂类型,我们需要校验其内部的属性/键值对的场景,将会在后续章节介绍。单数据校验必须通过Data 方法给定被校验数据,Rule 方法...