numpy学得还不错？来试试这20题（下）

2020-08-27

作者：刘早起 来源：早起Python 大家好，这篇是接上篇《numpy学得还不错？来试试这20题（上）》，又到了numpy进阶修炼专题。numpy大家应该不陌生了，看了太多的原理讲解之后，用刷题来学习是最有效的方法， ...

numpy学得还不错？来试试这20题！（上）

2020-08-27

作者：刘早起 来源：早起Python 大家好，又到了numpy进阶修炼专题。numpy大家应该不陌生了，看了太多的原理讲解之后，用刷题来学习是最有效的方法，本文将带来20个NumPy经典问题，附赠20段实用代码 ...

numpy学的还不错？来试试这20题！

2020-07-20

numpy是一款功能强大的python库,通常被用来存储和处理大型矩阵。numpy可以支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库 。相信大家在数据分析过程中一定少不了numpy的帮助，为了帮助大 ...

关于numpy概念的简单理解

2020-07-06

numpy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象(如掩码数组和矩阵)，以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、 ...

python知识普及：numpy基础操作

2020-06-10

Numpy基础数据结构 import numpy as np ar = np.array([[1,2,3], [3,4,6], [4,5,7]])  # 二维数组 print(ar) print(type(ar)) ar [[1 2 3] [3 4 6] [4 5 7]] array([[1, 2, 3],       ...

python numpy库中矩阵用法指南！

2020-05-29

矩阵是一个由m*n个数排成的m行n列的表称为m行n列的矩阵，简称为m*n矩阵。下面的矩阵是一个3*2(3乘2)矩阵，因为它有三行四列。 在数学的概念中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，最 ...

python numpy 一维数组转变为多维数组的实例

2018-08-14

python numpy 一维数组转变为多维数组的实例 今天小编就为大家分享一篇python numpy 一维数组转变为多维数组的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧 如下所示： &nbs ...

基于Python中numpy数组的合并实例讲解

2018-08-14

基于Python中numpy数组的合并实例讲解 下面小编就为大家分享一篇基于Python中numpy数组的合并实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧 Python中numpy ...

Python使用numpy实现BP神经网络

2018-07-27

Python使用numpy实现BP神经网络 本文完全利用numpy实现一个简单的BP神经网络，由于是做regression而不是classification，因此在这里输出层选取的激励函数就是f(x)=x。BP神经网络的具体原理此处不再介绍。 &nbs ...

对numpy中数组元素的统一赋值实例

2018-07-21

对numpy中数组元素的统一赋值实例 Numpy中的数组整体处理赋值操作一直让我有点迷糊，很多时候理解的不深入。今天单独列写相关的知识点，进行总结一下。 先看两个代码片小例子： 例子1：      ...

Python numpy 提取矩阵的某一行或某一列的实例

2018-05-02

Python numpy 提取矩阵的某一行或某一列的实例 下面小编就为大家分享一篇Python numpy 提取矩阵的某一行或某一列的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧 如下所示：& ...

Python基于numpy灵活定义神经网络结构的方法

2017-09-10

Python基于numpy灵活定义神经网络结构的方法 这篇文章主要介绍了Python基于numpy灵活定义神经网络结构的方法,结合实例形式分析了神经网络结构的原理及Python具体实现方法,涉及Python使用numpy扩展进行数学运算 ...

python中numpy基础学习及进行数组和矢量计算

2017-08-24

python中numpy基础学习及进行数组和矢量计算 在python中有时候我们用数组操作数据可以极大的提升数据的处理效率，类似于R的向量化操作，是的数据的操作趋于简单化，在python 中是使用numpy模块可以进行数组和 ...

【CDA干货】特征重要性分析：解锁机器学习模型价值的核心钥匙

2026-04-20

在机器学习建模全流程中，特征工程是连接原始数据与模型效果的关键环节，而特征重要性分析则是特征工程的“灵魂”——它不仅能帮我们筛选冗余特征、优化模型结构，更能破解模型“黑箱”困境，揭示数据与目标变量之间 ...

【CDA干货】随机森林特征重要性分析：原理、方法与实操指南

2026-04-16

在机器学习建模实践中，特征工程是决定模型性能的核心环节之一。面对高维数据集，冗余特征、无关特征不仅会增加模型训练成本、延长训练时间，还可能引发过拟合，降低模型泛化能力，甚至掩盖关键特征的真实影响。随机 ...

【CDA干货】LSTM预测结果波动：成因解析、影响评估与优化策略

2026-04-08

长短期记忆网络（LSTM）作为循环神经网络（RNN）的重要改进模型，凭借其独特的门控机制（遗忘门、输入门、输出门），有效解决了传统RNN在处理长序列数据时的梯度消失或梯度爆炸问题，已广泛应用于时间序列预测、自然 ...

【CDA干货】基于3σ原则的数据异常值处理：原理、实操与应用

2026-04-08

在数据分析全流程中，数据质量是决定分析结论可靠性的核心前提，而异常值作为数据集中的“异类”，往往会干扰统计检验、模型训练的结果，导致结论失真。无论是学术研究中的实验数据、企业运营中的业务数据，还是日常 ...

【CDA干货】Python数据处理与图形可视化：核心模块实操指南

2026-04-07

在数据分析全流程中，数据处理是基础，图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格式，后者则将抽象的数据规律转化为直观、易懂的图形，两者相辅相成，共同支撑数据分析 ...

【CDA干货】实操指南：加快Python算法运行速度的四个核心方法

2026-04-03

Python凭借简洁的语法、丰富的生态库，成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性，Python算法在处理大规模数据、复杂计算任务时，往往会出现运行速度慢、效率低下的问 ...

CDA数据分析师：决策树分析实战，可解释性建模的核心工具与业务赋能

2026-03-31

在CDA（Certified Data Analyst）数据分析师的职场实战与认证考核中，“可解释性建模”是核心需求之一——企业决策中，不仅需要模型给出精准预测，更需要清晰的决策逻辑支撑，让非技术人员读懂“为什么这么判断”。 ...