第一章 NLP导论
1.1 定义 自然语言处理（Natural Language Processing, NLP），是人工智能领域的一个重要分支。自然语言，指人类日常使用的语言（如中文、英文），NLP的目标是让计算机“理解”或“使用”这些语...
3.4 数据的导入与导出
导出数据 方法说明to_csv() 将数据保存为csv格式文件，数据之间以逗号分隔，可通过sep参数设置使用其他分隔符，可通过index参数设置是否保存行标签，可通过header参数设置是否保存列标签。...
3.8 案例讲解
# 导入必要的库 import pandas as pd import numpy as np # 1. 数据加载与初步探索 # 读取企鹅数据集，注意解析日期列（虽然这个数据集没有日期列，但展示parse_dates参数的用法） penguins = p...
九、垃圾邮件检测的基础探索
1. 目标定义和假设设定 1.1 背景介绍 在现代通信中，垃圾短信（Spam SMS）不仅影响用户体验，还可能涉及诈骗、广告骚扰等问题。因此，自动化垃圾短信检测是一个重要的任务。通过机器学习，我们...
人工智能行业缺人
人工智能行业缺人！这是一个 容量巨大、上不封顶的赛道！随着人工智能大模型的应用逐渐成为各行业发展新的重要推动力，市场 规模呈现爆发式增长。 人工智能的发展，数据是基础，芯片是高地，算...
7.3. sorted 函数
sorted函数：对一组数据进行排序，返回一组新数据。 语法格式：sorted(可迭代对象, key=xxx, reverse=xxx) # 数字排序 nums = [30, 40, 20, 10] result = sorted(nums, reverse=True) print...
2.2.6 基本运算
numpy中的数组不用编写循环即可执行批量运算，称之为矢量化运算。 大小相等的数组之间的任何算术运算都会将运算应用到元素级。 arr1 = np.array([[1, 2, 3], [4, 5, 6]]) arr2 = np...
3. 特征工程
在这部分，我们将对数据进行特征处理，以确保模型能够有效学习数据的模式。 主要步骤： 数据编码（将 diagnosis 变量转换为数值型） 特征选择（去除冗余特征，提高模型效果） 数据标准化（使...
3.5 数据清洗与预处理
章节核心内容关键知识点1. 缺失值处理检测、删除和填充缺失值的方法isna(), dropna(), fillna(), 前向/后向填充, 均值/中位数填充2. 重复数据处理识别和删除重复行 duplicated(), drop_dup...
第 8 章 函数进阶
1. 重新认识函数 1️⃣函数也是对象。 a1 = 100 # a1是int类的实例对象 a2 = 'hello' # a2是str类的实例对象 a3 = [10, 20, 30] # a3是list类的实例对象 # welcome函数是function类的实例对...
