logistic_regression：使用Python和Numpy从头开始进行Logistic回归

https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy，这个网站下载的，国内下载特慢还很容易下载失败

构建一个二阶多项式：x^2 – 4x + 3 多项式求解 >>> p = np.poly1d([1,-4,3]) #二阶多项式系数 >>> p(0) #自变量为0时多项式的值 3 >>> p.roots #多项式的根 array([3., 1.]) >>> p(p.roots) #多项式根处的值 array([0., 0.]) >>> p.order #多项式的阶数 2 >>> p.coeffs #多项式的系数 array([ 1, -4,

信用风险建模：使用Python和ML进行信用风险分析

numpy 经验总结，十分推荐

PNumPy 并行NumPy可以无缝加速大型数组（64K +元素）的NumPy，而无需更改现有NumPy代码。 对于python 3.6、3.7、3.8和3.9，NumPy> = 1.18的PNumPy支持Linux，Windows和MacOS。 此第一个版本加快了NumPy二进制和一元ufunc的速度，例如加，乘，isnan，abs，sin，log，sum，min等。 加速功能还包括： sort，argsort，lexsort，arange，boolean indexing和fancy indexing 。 在不久的将来，我们将加快： astype，where，putmask和searchsorted的速度。 其他使用numpy的软件包，例如或 ，也将加快大型阵列的使用。 安装 pip install pnumpy 您也可以通过以下方式安装最新的开发版本： pip inst

NumPy-Pandas-MatPlotLib 来自Udacity的纳米AI编程项目的Jupyter笔记本形式。 第使用NumPy进行均值归一化。 使用Pandas提取有关Apple，Amazon和Google股票的有用信息。 其余笔记本演示了MatPlotLib库的基本功能。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 nptebooks内部的代码是用Python 3.6.5编写的。 如果您没有安装Python，则可以在找到它。 如果您使用的是较低版本的Python，则可以使用pip软件包进行升级，以确保您具有最新版本的pip。 要安装pip，请在命令行中运行 python -m ensurepip -- default-pip 升级它 python -m pip install -- upgrade pip setuptools wh

numpy学习笔记,jupyter上传

一定能看懂的：windows环境下的Tensorflow2 环境配置，一键导入！一键配置！绝不出错！一定能看懂！一键安装！无需操心！已经包含主要的Tensorflow GPU，numpy，jupyter notebook，matplotlib等常用需求。（不定时更新配置）

适用于初学者，内含python线性回归不调库的实现方法（含注释）