華小電

摘要： class Calculator: def __init__(self): self.strategy = None def set_strategy(self, strategy): self.strategy = strategy def calculate_result(self, num1, 閱讀全文

摘要： 安裝UV 已有python環境，直接通過pip安裝： pip install uv 或者通過命令來運行： # windows環境，在powershell窗口執行： powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/inst 閱讀全文

摘要： 1. 一元正態分布 對于隨機變量\(X \sim \mathcal{N}(\mu, \sigma^2)\)，其概率密度函數為：\(f(x) = \frac{1}{\sigma\sqrt{2\pi}} \exp\left( -\frac{(x-\mu)^2}{2\sigma^2} \right)\) 閱讀全文

摘要： 高斯混合模型（Gaussian Mixture Model, GMM）是一種常用的概率模型，用于聚類和密度估計。它假設數據是由多個高斯分布混合生成的。GMM 的計算通常使用 期望最大化（Expectation-Maximization, EM）算法 來求解。 一、問題設定 我們有： 數據集：\(X 閱讀全文

摘要： # 1. 生成示例數據 X, _ = make_blobs(n_samples=10, centers=2, cluster_std=0.90, random_state=0) 生成的數據： [[ 1.10590929 5.61263348] [-0.24242331 1.4859204 ] [ 1 閱讀全文

摘要： KMeans 算法的核心是計算樣本與質心之間的距離，不同的距離度量方法會導致聚類結果的差異。 1. 歐氏距離（Euclidean Distance） 公式：\(d(x,y) = \sqrt{\sum_{i=1}^{n}(x_i-y_i)^2}\) 特點：最常用的距離度量，直觀表示空間中兩點的直線距離 閱讀全文

摘要： 1. 正態分布的定義 正態分布（Normal Distribution），又稱為高斯分布（Gaussian Distribution） ，是一種在統計學和概率論中最重要的連續概率分布。它廣泛應用于自然科學、社會科學、工程、金融等領域。 正態分布的概率密度函數（PDF）如下： \[f(x|\mu, \ 閱讀全文

摘要： import numpy as np # 數據集，一個二維數組，每一行代表一個樣本，每一列代表一個特征 data = np.array([ [11.51, 529.83, 526.49, 93.00, 71.45, 208.25], [12.09, 526.70, 524.66, 92.03, 84 閱讀全文

摘要： StandardScaler 是一種常用的數據標準化方法，用于將數據轉換為均值為 0，標準差為 1 的標準正態分布。 但是，StandardScaler在計算過程中用的是 “總體標準差”，而不是“樣本標準差” 總體標準差 \[\sigma = \sqrt{\frac{\sum_{i=1}^n (x_ 閱讀全文

摘要： 在DataFrame中使用np.select可以根據不同條件對DataFrame的列進行賦值操作。 example:創建了一個包含學生姓名和成績的DataFrame，接著定義了一系列條件以及對應的等級標簽，最后借助np.select函數依據這些條件為每個學生添加了等級標簽。 import panda 閱讀全文