Python机器学习手册
1.1 创建一个向量 1.2 创建一个矩阵 1.3 创建一个稀疏矩阵 1.5 展示一个矩阵的属性
1.6 对多个元素应用某个操作 1.7 找到最大值和最小值 1.8 计算平均值、方差和标准差 1.9 矩阵变形.py
1.10 转置矩阵 1.10 转置向量 1.11 展开一个矩阵 1.12 计算矩阵的秩 1.13 计算行列式 1.14 获取矩阵的对角线元素
1.15 计算矩阵的迹 1.16 计算特征值和特征向量 1.17 计算点积 1.18 矩阵的加减 1.19 矩阵的乘法 1.20 计算矩阵的逆
2.1 加载样本数据集 2.2.1 创建仿真数据集 2.2.2 创建仿真数据集2 2.2.3 创建仿真数据集3
2.3 加载CSV文件 2.4 加载Excel文件 2.5 加载JSON文件 2.6 查询SQL数据库
3.0 加载CSV文件 3.1 创建一个数据帧 3.2 描述数据 3.3 浏览数据帧 3.4 根据条件语句来选择行 3.5 替换值
3.6 重命名列 3.7 计算最大值、最小值等 3.8 查找唯一值 3.9 处理缺失值 3.10 删除一列
3.11 删除一行 3.12 删除重复值 3.13 根据值对行分组 3.14 按时间段对行分组 3.15 遍历一个列的数据
3.16 对一列的所有元素应用某个函数 3.17 对所有分组应用一个函数 3.18 连接多个数据帧 3.19 合并两个数据帧
4.1 特征的缩放 4.2 特征的标准化 4.3 归一化观察值 4.4 生成多项式和交互特征 4.5 转换特征
4.6 识别异常值 4.7 处理异常值 4.8 将特征离散化 4.9 使用聚类的方式将观察值分组 4.10 删除带有缺失值的观察值
5.1 对norminal型分类特征编码 5.2 对ordinal分类特征编码
6.1 清洗文本 6.2 解析并清洗HTML 6.3 移除标点 6.4 文本分词 6.5 删除停止词
6.6 提取词干 6.7 标注词性 6.8 将文本编码成词袋 6.9 按单词的重要性加权
7.1 把字符串转换成日期 7.2 处理时区 7.3 选择日期和时间 7.4 将日期数据切分成多个特征
7.5 计算连个日期之间的时间差 7.6 对一周内的每天进行编码 7.7 创建一个滞后的特征 7.8 使用滚动时间窗口
