・ J'ai réussi à le mettre en cherchant sur Internet, setting.jonson ...
Régression simple ... Estimer une autre (variable objective) à partir d'une valeur (variable explicative) y = x + 2, etc., apprentissage supervisé Régression multiple ... Variables explicatives multiples, y = ax1 + bx2 + cx3 + ...
Méthode de régression multiple Préparer un élément → utiliser LinearRegression () Apprendre → .fit (x, y) Predict → Peut être fait avec .predict (x)
Quelle est la qualité du retour? Utilise le facteur de décision .score (x, y) Exécuter avec le notebook Jupyter
% matplotlib inline Quoi? Pourquoi puis-je utiliser le% du caractère au lieu du caractère + variable lors de la sortie du tableau? Quelle est la fonction enumate
axis #(1 pour les lignes, 0 pour les colonnes)
np.random.randint(0,100,3) #(Génère 3 entiers de 0 à 100)
Omis ici
def sample(*words,sep="/"):
return sep.join(words) #Utiliser join pour concaténer des caractères
sample("a","b","c")
# a/b/L'affichage c ・ Sep indique comment diviser entre
def sample(**words):
print(words)
sample(a="A",b="B",c="C")
fonction zip ... peut lister les taples fonction map .. Appliquer l'opération à chaque élément de la liste → Vous n'avez pas besoin d'utiliser la boucle for! Fonction anonyme ... Utilisez lambda. Pratique pour rester court
a=[1,2,3]
b=[4,5,6]
c=[7,8,9]
l=zip(a,b,c)
print(list(l))
#[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
def threepow(x):
return x**3
ans=list(map(threepow,a))
print(ans)
#[1, 8, 27]
d=list(map(lambda i:i**3, a))
print(d)
#[1, 8, 27],Seulement 2 lignes
・ Analyse des données facile (comme SQL ou R!) ・ Il existe de nombreuses fonctions de ce type ・ Différents types peuvent être utilisés ensemble
Recommended Posts