Numpy是每个数据科学家都应该掌握的Python包，它提供了许多创建和操作数字数组的方法。它构成了许多与数据科学相关的广泛使用的Python库的基础，比如panda和Matplotlib。 以下这些函数并不常见，甚至你可能都没听说过，但是在有些时候它们真的很有用。 np.full_like ...

本周的重要论文包括 登上 Nature 的 NumPy 论文，以及高效 Transformer 综述论文。 摘要：如何理解神经网络的泛化能力？CMU 的汪浩瀚、邢波等人在这篇论文中另辟蹊径，从数据的角度入手，探讨那些曾让我们百思不得其解的泛化现象。 人与模型视觉上的区别：低频 ...

polyfit()函数可以使用最小二乘法将一些点拟合成一条曲线. numpy.polyfit(x, y, deg, rcond=None, full=False, w=None, cov=False) # x:要拟合点的横坐标 # y:要拟合点的纵坐标 # deg:自由度.例如:自由度为2,那么拟合出来的曲线就是二次函数,自由度是3,拟合出来的曲线就是3次函数 首先 ...

python作为一款可以简单方便地进行科学计算的语言，进行曲线拟合自然是必备的功能之一了。本文就如何进行曲线拟合进行讲解。 本文需要进行拟合的数据为： x = np.arange(1, 31, 1) y = np.array([20, 23, 26, 29, 32, 35, 38, 45, 53, 62, 73, 86, 101, 118, 138, 161, 188, 220, 257, 300 ...

说到如何用Python执行线性回归，大部分人会立刻想到用sklearn的linear_model，但事实是，Python至少有8种执行线性回归的方法，sklearn并不是最高效的。 今天，让我们来谈谈线性回归。没错，作为数据科学界元老级的模型，线性回归几乎是所有数据科学家的入门必修课。