描述

  1. 您所在的位置：
  2. Python中文网 >
  3. pypi >
  4. tql库 >
  5. 正文

tql的Python项目详细描述


：rocket:datascience:facepunch:

  • [mlcrate][https://github.com/mxbi/mlcrate]
< BR>

< imgsrc="https://warehouse-camo.cmh1.psfhosted.org/1F4BD8FC3780FBE7F9AB9DDDDD7105EFDB5FF512/687474747470733A32222222F2726172727267676767676767676775756572636F6E74656E74656E742E636F66F6D26F6D26F6F6E6E656E6E6E666767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767674D455F313230307838303型02E67 6966" />

< imgsrc="https://warehouse-camo.cmh1.psfhosted.org/4A825D61485454544993DCEEEEEEEEEEEEE747474747470733A3222222A3222222222F2727272726275627562756275757565726572636F6E74656E746E74622E646F6F6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E6E66D616C6C5F616C742E706E67"／>< BR>

数据科学ipython笔记本

索引

< BR>

深入学习

ipython笔记本演示了深入学习功能。

< BR>

张量流教程

其他TensorFlow教程：

<表><广告>笔记本 说明 < /广告><正文>TSF基础知识在TensorFlow中学习基本操作，TensorFlow是一个用于从谷歌执行各种感知和语言理解任务的库。tsf线性在TensorFlow中实现线性回归。tsf logistic在TensorFlow中实现逻辑回归。tsf nn在TensorFlow中实现最近邻。tsf亚历克斯在tensorflow中实现alexnet。tsf cnn在tensorflow中实现卷积神经网络。tsf mlp在TensorFlow中实现多层感知器。tsf rnn在tensorflow中实现递归神经网络。tsf gpu了解TensorFlow中的基本多GPU计算。tsf gviz了解TensorFlow中的图形可视化。tsf lviz了解TensorFlow中的损失可视化。

张量流练习

<表><广告>笔记本 说明 < /广告><正文>tsf not mnist通过创建一个pickle，使用tensorflow中的格式化数据集进行培训、开发和测试，学习简单的数据管理。tsf完全连接在tensorflow中使用logistic回归和神经网络逐步训练更深入和更精确的模型。TSF规范化通过训练完全连接的网络来对tensorflow中的notmnist字符进行分类，探索正则化技术。tsf卷积在tensorflow中创建卷积神经网络。tsf-word2vec利用TensorFlow中的text8数据训练跳过程序模型。tsf lstm在TensorFlow的text8数据上训练LSTM字符模型。< BR>

不介绍Theano简介，它允许您高效地定义、优化和计算涉及多维数组的数学表达式。它可以使用GPU并执行有效的符号区分。无扫描学习扫描，一种在无图中执行循环的机制。无逻辑在编号中执行逻辑回归。theano rnn在ano中实现递归神经网络。theano-mlp在编号中实现多层感知器。< BR>

Keras教程

<表><广告>笔记本 说明 < /广告><正文>路缘石keras是一个用python编写的开源神经网络库。它可以在TensorFlow或Theano上运行。设置了解教程目标以及如何设置您的Keras环境。介绍深度学习ann了解Keras和人工神经网络（ann）的深度学习。theano通过使用权重矩阵和渐变了解该编号。keras otto通过观看Kaggle Otto挑战赛了解路缘石。ann mnist使用keras为mnist回顾ann的一个简单实现。转换网络了解具有Keras的卷积神经网络（CNN）。conv-net-1使用keras识别mnist中的手写数字-第1部分。conv-net-2使用keras识别mnist中的手写数字-第2部分。keras模型使用预先培训过的模型，如vgg16、vgg19、resnet50和带有keras的inception v3。自动编码器了解带Keras的自动编码器。rnn lstm了解使用keras的递归神经网络（rnns）。lstm语句gen了解使用带有Keras的长短期内存（LSTM）网络的RNN。

深度学习杂项

<表><广告>笔记本 说明 < /广告><正文>深度梦想基于caffe的计算机视觉程序，使用卷积神经网络来发现和增强图像中的模式。< BR>

< imgsrc="https://warehouse-camo.cmh1.psfhosted.org/62D9058bae6112AA104040496926A2263F7EC8FA1/6874747470733A32222222F17261772E72726767676767676767756275657272636F6E74656E74656E74622E66F6F6D26F6F6D26F6F6E6E6E66E6E6E5656565656D676774617461747461二维736369656E3652D676767676767676767676767676767676767626E6E6E6E6E6E6E6E6E6E6262626262746C6561726E2E706E6型7" />

SCIKIT学习

ipython笔记本演示scikit学习功能。

<表><广告>笔记本 说明 < /广告><正文>简介介绍scikit学习笔记本。科学软件学习添加了对大型多维数组和矩阵的python支持，以及对这些数组进行操作的高级数学函数库。knn在scikit learn中实现k近邻。线性注册表在scikit learn中实现线性回归。支持向量机在scikit learn中实现有核和无核的支持向量机分类器。随机林在scikit learn中实现随机森林分类器和回归器。k-means在scikit learn中实现k-means集群。pca在scikit learn中实现主成分分析。gmm在scikit learn中实现高斯混合模型。验证在SCIKIT学习中实施验证和模型选择。< BR>

统计推断scipy

ipython笔记本电脑演示了使用scipy功能进行统计推断。

<表><广告>笔记本 说明 < /广告><正文>scipyscipy是建立在python的numpy扩展上的数学算法和便利函数的集合。它通过向用户提供用于操作和可视化数据的高级命令和类，为交互式python会话增加了重要的功能。效果大小通过分析男女身高的差异，探索量化影响大小的统计数据。使用行为危险因素监测系统（BRFSS）的数据来估计美国成年男女身高的平均值和标准差。采样通过使用BRFSS数据分析美国男性和女性的平均体重，探索随机抽样。假设。通过分析初生婴儿与其他婴儿的差异，探索假设检验。< BR>

熊猫

ipython笔记本演示熊猫功能。

<表><广告>笔记本 说明 < /广告><正文>熊猫用python编写的用于数据操作和分析的软件库。提供操作数字表和时间序列的数据结构和操作。Github数据争用通过分析vizrepo中的github数据，了解如何加载、清理、合并和功能工程师。熊猫简介熊猫介绍。介绍pandas对象了解熊猫对象。数据索引和选择 了解熊猫中的数据索引和选择。熊猫的操作了解如何在熊猫中操作数据。缺少值了解如何处理熊猫中丢失的数据。分级索引了解熊猫中的分层索引。concat和append了解如何组合数据集：concat和append in pandas。合并和加入了解如何组合数据集：合并并加入熊猫。聚合和分组了解熊猫中的聚合和分组。透视表了解Pandas中的透视表。使用strings/a>< /td>了解熊猫中的矢量化字符串操作。使用时间序列了解如何在熊猫中使用时间序列。性能评估和查询了解高性能熊猫：熊猫中的eval（）和query（）。< BR>

< imgsrc="https://warehouse-camo.cmh1.psfhosted.org/acaca59880419419D7B58F7E2AE76e76e268A8F1927AF76/68747474747073322222222222F172726177726767676767676775756572636F6E74656E74656E742E636E742E63666F6F6D26F6D26F6E6E565656D67676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676767676C6F746C69622E706E67">

matplotlib

ipython笔记本演示matplotlib功能。

<表><广告>笔记本 说明 < /广告><正文>matplotlibpython 2d绘图库，它以各种硬拷贝格式和跨平台的交互环境生成出版物质量的图形。应用了matplotlib将matplotlib可视化应用于kaggle竞赛，以进行探索性数据分析。了解如何创建条形图、柱状图、subblot2grid、标准化图、散点图、子块和核密度估计图。matplotlib简介matplotlib简介。简单线图了解matplotlib中的简单线条图。简单散点图 了解matplotlib中的简单散点图。错误栏.ipynb了解如何在matplotlib中可视化错误。密度和等高线图了解matplotlib中的密度图和等高线图。直方图和装箱了解matplotlib中的直方图、binnings和密度。自定义图例了解如何在matplotlib中自定义绘图图例。自定义颜色条了解如何在matplotlib中自定义颜色栏多个子块了解matplotlib中的多个子块。文本和注释了解matplotlib中的文本和注释。自定义记号了解如何在matplotlib中自定义记号。设置和样式表 了解如何自定义matplotlib:配置和样式表。三维绘图 了解matplotlib中的三维绘图。地理数据与basemap使用matplotlib中的basemap了解地理数据。使用seaborn进行可视化了解Seaborn的可视化功能。< BR>

纽比

ipython笔记本演示了numpy功能。

<表><广告>笔记本 说明 < /广告><正文>numpy添加了对大型多维数组和矩阵的python支持，以及对这些数组进行操作的高级数学函数库。numpy简介Numpy简介。了解数据类型了解python中的数据类型。numpy阵列的基础知识了解numpy阵列的基本知识。阵列上的计算ufuncs了解有关numpy数组的计算：通用函数。阵列聚合计算了解aggre最小值，最大值，以及介于两者之间的数值。阵列广播计算了解阵列上的计算：在numpy中广播。布尔数组和掩码了解numpy中的比较、掩码和布尔逻辑。花式索引了解Numpy中的花式索引。排序了解如何在numpy中排序数组。结构化数据numpy了解结构化数据：Numpy的结构化阵列。< BR>

python数据

ipython笔记本演示面向数据分析的python功能。

<表><广告>笔记本 说明 < /广告><正文>数据结构 学习python的元组、列表、dict、集合等基础知识。数据结构实用程序学习python操作，如slice、range、xrange、bisect、sort、sorted、reversed、enumerate、zip、list理解。函数了解更高级的python特性：作为对象的函数、lambda函数、闭包、*args、**kwargs curring、生成器、生成器表达式、itertools。日期时间了解如何使用python日期和时间：datetime、strftime、strptime、timedelta。日志记录了解使用rotatingfilehandler和timedrotingfilehandler的python日志记录。pdb了解如何使用交互式源代码调试器在python中进行调试。单元测试学习如何在python中使用nose单元测试进行测试。< BR>

Kaggle和业务分析

ipython笔记本，用于竞争和商业分析。 <表><广告>笔记本 说明 < /广告><正文>泰坦尼克号 预测泰坦尼克号上的幸存者。学习数据清理、探索性数据分析和机器学习。客户流失分析预测客户流失。运用logistic回归、梯度增强分类、支持向量机、随机森林和k近邻。包括混淆矩阵、roc图、特征重要性、预测概率和校准/描述的讨论。< BR>

火花

iPython笔记本电脑演示Spark和HDFS功能。

<表><广告>笔记本 说明 < /广告><正文>火花内存群集计算框架，对于某些应用程序来说，速度可提高100倍，非常适合机器学习算法。硬盘驱动器在大型集群中跨机器可靠地存储非常大的文件。< BR>

MapReduce Python

ipython笔记本演示了具有mrjob功能的hadoop mapreduce。

<表><广告>笔记本 说明 < /广告><正文>mapreduce python在python中运行mapreduce作业，在本地或hadoop集群上执行作业。用单元测试和mrjob配置文件演示python代码中的hadoop流，以分析弹性mapreduce上的amazon s3 bucket日志。disco是另一种基于python的替代方案。< BR>

AWS/H2>

ipython笔记本演示了amazon web服务（aws）和aws工具功能。

另请查看：

  • saws：超级aws命令行界面（cli）。
  • awesome aws：库、开源repo、指南、博客和其他资源的策划列表。
<表><广告>笔记本 说明 < /广告><正文>boto用于python的官方aws sdk。s3cmd通过命令行与s3交互。s3distcp合并较小的文件，并通过采用模式和目标文件将它们聚合在一起。s3distcp还可以用于将大量数据从s3传输到hadoop集群。s3并行输入同时将多个文件上载到S3。红移充当快速数据仓库，建立在大规模并行处理（MPP）技术之上。动觉 实时传输数据，每秒可处理数千个数据流。lambda运行代码以响应事件，自动管理计算资源。< BR>

< imgsrc="https://warehouse camo.cmh1.psfhosted.org/A55DA64ECB3B3BB4A8A249F815D9E2ECB15ECCA89A/6874747470733A3A32222222F1726172726767676767756275756572636F6E74656E74656E74622E636F6F6D26F6F6D26F6F6E6E6E6E6E6E6E6E661746174617461二维73636369656E3652D67676767676767676767676767676767676767676E6E6E6E6E6E6E6E6E6E6E6E6E6E6D616E64732E706E67" />

命令

ipython笔记本电脑演示了Linux、Git等的各种命令行。

<表><广告>笔记本 说明 < /广告><正文>Linux与unix类似，且大多与posix兼容的计算机操作系统。磁盘使用、拆分文件、grep、sed、curl、查看正在运行的进程、终端语法突出显示和vim。蟒蛇用于大规模数据处理、预测分析和科学计算的python编程语言的分发，旨在简化包管理和部署。ipython笔记本电脑基于Web的交互式计算环境，您可以将代码执行、文本、数学、绘图和富媒体组合到一个文档中。git分布式版本控制系统，强调速度、数据完整性和对分布式、非线性工作流程的支持。ruby用于与aws命令行和jekyll交互，jekyll是一个博客框架，可以托管在github页面上。jekyll用于个人、项目或组织站点的简单、可识别博客的静态站点生成器。呈现降价或纺织和液体模板，并生成一个完整的静态网站，可供apache http服务器、nginx或其他web服务器使用。鹈鹕基于python的jekyll替代品。django高级python web框架，鼓励快速开发和干净、实用的设计。分享报告/分析和写博客是很有用的。重量较轻的替代品包括金字塔，瓶子，龙卷风，以及瓶子

其他

ipython笔记本电脑演示各种功能。

<表><广告>笔记本 说明 < /广告><正文>正则表达式正则表达式备忘单在数据争用中很有用。算法算法是一个算法市场。本笔记本展示了4种不同的算法：人脸检测、内容摘要、潜在dirichlet分配和光学字符识别。

笔记本电脑安装

水蟒

anaconda是python编程语言的免费发行版，用于大规模数据处理、预测分析和科学计算，旨在简化包管理和部署。

按照说明安装anaconda或更轻的miniconda

开发设置

有关设置用于数据分析的开发环境的详细说明、脚本和工具，请查看开发设置repo。

运行笔记本

要查看交互式内容或修改ipython笔记本中的元素，必须首先克隆或下载存储库，然后运行笔记本。有关iPython笔记本电脑的更多信息，请点击此处。

$ git clone https://github.com/donnemartin/data-science-ipython-notebooks.git
$ cd data-science-ipython-notebooks
$ jupyter notebook

使用Python2.7.x测试的笔记本电脑。

学分

贡献

欢迎投稿！对于错误报告或请求，请提交问题

联系信息

请随时与我联系，讨论任何问题、问题或意见。

  • 电子邮件：donne.martin@gmail.com>donne.martin@gmail.com
  • 推特：http://twitter.com/donne_martin rel="nofollow">@donne_martin
  • github:donnemartin
  • LinkedIn:donnemartin
  • 网址：donnemartin.com

许可证

这个存储库包含各种内容；有些是由donne martin开发的，有些是来自第三方的。第三方内容是根据这些方提供的许可证分发的。

Donne Martin开发的内容在以下许可下分发：

我在开源许可下向您提供此存储库中的代码和资源。因为这是我的个人存储库，所以您收到的代码和资源许可证来自我而不是我的雇主（Facebook）。

Copyright 2015 Donne Martin

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

   http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.

欢迎加入QQ群-->： 979659372 Python中文网_新手群

推荐PyPI第三方库


导 航 栏

项目 链接

标 签

许可证: BSD许可证（BSD 3条款）

作者信息:: 暂无

维护者

pypi user: 18550288233 18550288233

最新PyPI项目

最新Python常见问题

热门话题
java使用ApachePOI将excel文件导入postgreSQL表   java多线程从iText pdf提取文本   winapi Java和SetWindowDisplayAffinity   eclipse juno的java Websphere 6.1插件   java MPAndroidChart：为Y轴提供一些偏移   java中作为参数传递枚举类型的继承   java Gui jframe的工作原理与netbeans不同   使用Bouncy Castle和PDFBox在Java中验证PDF签名   优化缩小Java代码   java无法在安卓中从Firebase取回子数据   返回的java方法？我应该什么时候用？   java错误处理已完成，退出代码为1。与穿过阵列的for循环有关   多线程Java volatile是否阻止缓存或强制执行写缓存？   java Multi-collectItems如何提前终止并返回已收集的项目   java为什么不在服务（请求，响应）中直接调用processRequest（请求，响应）？   java如何从字符串生成int数组？   打印获取用户输入的值并在其他预选文本中显示。JAVA   未显示java DynamicAsper UTF8字符   java Eclipse RCP：不启动应用程序的命令行参数