本文简要介绍了机器学习中拓扑数据分析的力量并展示如何配合三个Python库：Gudhi，Scikit-Learn和Tensorflow进行实践。

本文简要介绍了机器学习中拓扑数据分析的力量并展示如何配合三个Python库：Gudhi，Scikit-Learn和Tensorflow进行实践。

过完节，我们还是要继续学习的，最近看到一本讲解设计原理的书，《写给大家看的设计书（第4版）》，作者Robin Williams从对比、重复、对齐、亲密性四个方面给我们梳理了其中的道理。

版权声明：署名，允许他人基于本文进行创作，且必须基于与原先许可协议相同的许可协议分发本文 （Creative Commons）

Scikit-learn是使用最广泛的Python机器学习库之一。它有一个标准化和简单的接口用来预处理数据和进行模型的训练，优化和评估。

数据集 cruise.csv 包含了船的吨位、大小、乘客密度、船员数量等特征，业务需要建立一个船员数量与其他相关特征的回归模型，从而能估计船员数量。

常用scikit-learn ,文本分析用gensim，数据处理用Numpy、matplotlib、pandas，深度学习有tensorflow、caffe、keras

在Streamlit官方网站，有很多开源的应用，包括NLP、数据可视化、音频处理、机器学习建模及训练等等

安装coremltools需安装以下依赖库 sudo pip install numpy pip install --force-reinstall --upgrade protobuf sudo pip install Keras sudo pip install Xgboost sudo pip install scikit-learn 安装不了就访问外国网站，出错就自己谷歌 最后 pip install -U coremltools 嗯，就这样。 全部完成后就

下面是一些和科学计算，数据处理相关的Python社群和讨论组，如果有什么问题可以进行提问：

原文 | https://towardsdatascience.com/10-things-you-didnt-know-about-scikit-learn-cccc94c50e4f

Scikit-learn是使用最广泛的Python机器学习库之一。它有标准化和简单的接口，用于数据预处理和模型训练、优化以及评估。

因为武汉新型肺炎的影响，原本两个周的寒假居然成了一个月的长假，闲来无事整理一下一些生物信息学相关的学习网站，趁着假期给自己充充电！