注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. AI学习知识点.xmind

  2. *AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分，利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征

  3. 所属分类：Python

    • 发布日期：2019-07-15
    • 文件大小：240640
    • 提供者：lingfeian

  1. Python求均值,方差,标准差的实例

  2. 今天小编就为大家分享一篇Python求均值,方差,标准差的实例，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

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：23552
    • 提供者：weixin_38623707

  1. Python科学计算（Numpy基础练习题）

  2. Numpy 练习题 1、arr11 = 5-np.arange(1,13).reshape(4,3), 计算所有元素及每一列的和；对每一 个元素、每一列求累积和；计算每一行的累计积；计算所有元素的最小值；计算 每一列的最大值；计算所有元素、每一行的均值；计算所有元素、每一列的中位 数；计算所有元素的方差，每一行的标准差。 import numpy as np arr11 = 5-np.arange(1,13).reshape(4,3) a = np.sum(arr11) #计算所有元素的和 b

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：47104
    • 提供者：weixin_38595606

  1. NumPy数组&矩阵运算

  2. NumPy数组&矩阵运算 只列举了一些常用的，NumPy提供了巨多数学函数，堪称Python版MatLib，有兴趣可以查询NumPy的中文文档https://www.numpy.org.cn/ 目录NumPy数组&矩阵运算基本运算数组与数值的算术运算：加减乘除，幂余补等等数组与数组的算术运算向量点积三角函数运算四舍五入对矩阵不同维度上的元素进行求和计算数据的标准差和方差对矩阵不同维度上的元素求最大值对矩阵不同维度上的元素进行排序生成特殊数组布尔运算取整运算分段函数计算唯一值以及出现次数计算加权平

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：68608
    • 提供者：weixin_38675341

  1. 基于python进行抽样分布描述及实践详解

  2. 本次选取泰坦尼克号的数据，利用python进行抽样分布描述及实践。 备注：数据集的原始数据是泰坦尼克号的数据，本次截取了其中的一部分数据进行学习。Age:年龄，指登船者的年龄。Fare:价格，指船票价格。Embark:登船的港口。 1、按照港口分类，使用python求出各类港口数据 年龄、车票价格的统计量（均值、方差、标准差、变异系数等）。 import pandas as pd df = pd.read_excel('/Users/Downloads/data.xlsx',usecols

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：477184
    • 提供者：weixin_38722052

  1. python 标准差计算的实现（std）

  2. numpy.std() 求标准差的时候默认是除以 n 的，即是有偏的，np.std无偏样本标准差方式为加入参数 ddof = 1； pandas.std() 默认是除以n-1 的，即是无偏的，如果想和numpy.std() 一样有偏，需要加上参数ddof=0 ，即pandas.std(ddof=0) ；DataFrame的describe()中就包含有std()； demo： >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >&

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：43008
    • 提供者：weixin_38681736

  1. Python求正态分布曲线下面积实例

  2. 正态分布应用最广泛的连续概率分布，其特征是“钟”形曲线。这种分布的概率密度函数为： 其中，μ为均值，σ为标准差。 求正态分布曲线下面积有3σ原则: 正态曲线下，横轴区间（μ-σ，μ+σ）内的面积为68.268949%，横轴区间（μ-1.96σ，μ+1.96σ）内的面积为95.449974%，横轴区间（μ-2.58σ，μ+2.58σ）内的面积为99.730020%。 求任意区间内曲线下的面积，通常可以引用scipy包中的相关函数 norm函数生成一个给定均值和标准差的正态分布，cdf(x)表示

  3. 所属分类：其它

    • 发布日期：2021-01-02
    • 文件大小：52224
    • 提供者：weixin_38723027

  1. python-cli-math-tools：用python编写的命令行数学工具-源码

  2. python-cli-math-tools 用python编写的命令行数学工具。 目前支持： sqr.py平方单数 exp.py将arvg [1]提升为argv [2]的幂 int_gen.py生成从[n]到[n]范围的随机整数[n数量]-显示到stdout-可以通过管道传输>>并重定向用于各种用途 计划支持： 求单号 平方根 取不定整数条目列表的平均值 阶乘 样本方差，样本标准偏差，误差裕度计算器

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：2048
    • 提供者：weixin_42116585

  1. Python求均值,方差,标准差的实例

  2. 如下所示： import numpy as np arr = [1,2,3,4,5,6] #求均值 arr_mean = np.mean(arr) #求方差 arr_var = np.var(arr) #求标准差 arr_std = np.std(arr,ddof=1) print(平均值为：%f % arr_mean) print(方差为：%f % arr_var) print(标准差为:%f % arr_std) 以上这篇Python求均值,方差,标准差的实例就是小编分享给大家的全部内容

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：25600
    • 提供者：weixin_38673694

  1. 如何使用 一行代码 搞定一组数据的（极值、平均值、中位数、四分位数、数量统计和标准差）

  2. 或许当你看到一行代码的时候，你也已经想到了不会是  python  吧！还真不巧，你说对了，就是使用python。 很多知识想简单处理python的同志们（指并不怎么学python，但偶尔使用写个小分析啥的。）就像进行数据处理的时候，有时会遇到求极值（最大值、最小值）、平均值、中位数和四分位数（25%、 75%）的情况。 这一篇博客就是你的福音，让你绝对0基础使用python 进行数据分析。 1、下载py的环境。 这里引用一个简书作者：https://www.jianshu.com/p/5f1f

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：172032
    • 提供者：weixin_38629274

  1. numpy

  2. numpy 数据分析人工智能最基础一个库：numpy（numeric（数字化） python） 中文官网：https://www.numpy.org.cn/查看API，如何使用 使用某个库，导包，import numpy as np ModuleNotFoundError: No module named 'numpy',集成环境下，没有numpy这个模块 没有该模块，安装 pip install numpy 常用函数的使用 平均值：mean 最大值：max 最小值：min 标准差：std 方

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：65536
    • 提供者：weixin_38745925

  1. python的常用数组工具

  2. 写在前面： 疫情期间在家无聊，写了一个简易的常用数组工具 功能模块主要是排序/计算 当然排序可以选择升序及降序排列 为了方便用户，加入了删除/查找/插入等额外的功能 计算模块则包括了求和/求积/标准差以及百分位数等功能 我觉得可以覆盖一些常用的数组处理 如果你不想用一些复杂的大型软件，这个会是一个很好的小工具~ 对于软件的交互，我还是设计的比较简便的 全程敲数字键就ok了，很好上手！ 编辑后： 在之前的基础上根据意见加入了文件读取的功能，用户可以直接在指定文件夹下新建一个data.txt来进行计

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：59392
    • 提供者：weixin_38717156