学习numpy的相应资源，100道练习，带你玩转Numpy，将numpy学好是继续学习Python的基础

在看完了Andrew Ng教授的deeplearning.ai课程和李飞飞教授的cs231n课程后，总觉得应该写点笔记将学习过程记录下来，但内容不少，需要时间慢慢整理，故先将学习成果记录下来，是一段深度神经网络的程序，基于python科学计算库numpy的。还有一段代码是基于tensorflow的，在深度学习笔记（二）：基于tensorflow的深度神经网络程序总览中在记录吧（目前未发布）。虽然tensorflow很是方便，但是总觉得封装太好，只看代码根本学习不到什么，用numpy写一遍深度神经网络后，掌握知识的程度感觉好很多。废话不多说，先贴出代码来，代码中有注释，数据集用的是经典的数字手写体识别库mnist，后续笔记会对应具体公式和算法详细记录。

使用CNN进行面部表情识别：使用CNN和Keras和Tensorflow创建的面部表情识别模型

股市探索数据分析笔记本 使用库Numpy，Matplotlib和Pandas进行股票市场数据集探索性数据分析的Jupyter Notebook。 数据集具有以下功能： serial_number：每个变量的唯一标识符 time_stamp：捕获数据的日期 open_value：指定日期的期初值 maximum_value：在特定日期达到的索引的最高值 minimum_value：特定日期的索引的最低值 resolve_value：结算当天的值 volume_sell：卖出指数的数量

不仅介绍了NumPy的安装、使用和各种相关概念，还介绍了如何利用这一最新的开源软件库，以尽可能接近传统数学语言的方式，编写可读性好、实现效率高和运行速度快的代码。最后还探究了几个和NumPy相关的科学计算项目。此外，本书将为你掌握NumPy数组和通用函数打下坚实的基础，也会通过实例教你用Matplotlib绘图，并了解和SciPy相关的项目。

练习数据，现用现取

从外网下载numpy+mkl太慢了，把资源放在这，版本numpy-1.21.5+mkl-cp37-cp37m-win_amd64.whl，通过以下命令安装 pip install 路径\numpy-1.21.5+mkl-cp37-cp37m-win_amd64.whl

实现了高斯、多项式、伯努利三种朴素贝叶斯模型，能够处理离散型数据和连续型数据，并提供预测结果概率。对于像鸢尾花这类的连续型数据可以直接采用MyGaussianNB预测。离散型数据采用MyMultinomialNB预测。离散型数据，且特征值只有0,1两种取值情况的采用MyBernoulliNB预测。三种模型都可以通过score方法评估模型准确率，都可以通过predict_proba方法输出预测结果概率。 此外，为了优化和改进模型，使MyMultinomialNB和MyBernoulliNB能够预测连续型数据，还实现了基于numpy和pandas的分箱函数MyDiscretizer以及二值化函数MyBinarizer。

通过pillow的image直接读取图像，并用numpy转化图像为numpy数组，保存到tfrecords文件中，方便快速

打开cmd 运行命令 pip install G:\任务20180409/numpy-1.13.3+mkl-cp35-cp35m-win32.whl 后面部分为文件全路径 同理 一步步安装numpy+mkl pandas scipy patsy statsmodels 就ok了 适用于win10 32 位 如果有需要64位的可以在评论区提醒我一下 谢谢