NumPy
含有「NumPy」共 20 篇內容
全部內容
發佈日期由新至舊
資料結構是程式設計的核心基石，直接影響演算法的效率與軟體設計的品質。在開發軟體工具時，選擇合適的資料結構不僅是解決問題的關鍵，也是實現高效與穩健程式的重要步驟。
Python 提供了多樣化的內建資料結構，每一種結構都針對特定的任務情境進行了優化設計。接下來，我們將深入探討這些資料結構的特性與用法，
🔄流程控制
條件判斷
條件判斷語句允許程式執行不同的代碼，依條件結果決定程式執行的邏輯。
if：用於判斷條件是否成立，若成立即執行對應程式碼。
elif：用於指定額外條件，當上方的 if 條件不成立時檢查其他可能性。
else：當所有條件皆不成立時執行。
接著會詳細的介紹機器學習的每一個步驟在做什麼，這部分專有名詞會比較多，希望大家可以盡量熟悉。
🙋問題定義
在真正進入機器學習流程之前，需要先定義你想要解決的問題。 如何將你的問題、你的痛點，轉換成機器學習可以執行的任務是你們會遇到的第一個難題，原則上可以遵循以下方法來思考:
🔍 為什麼要學機器學習？
在這個資料驅動的時代，從圖像辨識、語音助手到金融風險預測，都離不開機器學習。 透過「從資料中自動學習規則」的能力，機器學習幫助我們：
自動化決策流程（例如：信貸核准）
從龐大資料中發現趨勢與模式（例如：顧客行為分析）
增強傳統演算法的適應力與預測能力
在輔導學員的時候遇過很多初學者會搞不清楚到底模型是什麼?訓練又是怎麼一回事?
因此這篇文章主要是提供初學者一些簡單的概念，知道”模型”和”訓練”是在做什麼，不涉及程式碼撰寫與執行。
希望藉由簡單的說明讓大家可以先了解這些基本概念，可以加快後續實際操作上手的時間。
🙋♀️ 什麼是特徵（Feature）？
想像一個情境：
你想領養一隻小狗，到了收容所後，該怎麼跟承辦人員描述你想要的狗狗呢？
你可能會說：「我想要一隻可愛的小狗。」 但這樣的描述太模糊了，對方可能無法立刻理解你的偏好。
好不容易學習完資料科學三大基礎套件(NumPy / Pandas / Matplotlib)之後，就可以開始學習什麼是資料前處理(Data Preprocessing)、為什麼要做?、以及怎麼做?
Python/Pandas中的None VS NaN
大家在進行資料清理時一定會遇到一個問題，到底缺失值、空值要怎麼判斷，以及如何處理? 而且時常會被他們的定義搞得頭昏腦脹…
🔍什麼是Matplotlib?
Matplotlib 是 Python 最早也是最強大的 2D 資料視覺化套件，提供靈活且客製化程度高的繪圖介面。
🌍 發展歷史悠久，幾乎所有可視化工具都以它為基礎（如 Seaborn、Pandas 內建繪圖、Plotly）
