srcx1=int(min(srcx+1,self.f_width-1)) srcy0=int(min(srcy+1,self.f_height-1)) srcy1=int(np.floor(srcy)) res=np.array([],dtype=int) v1=(srcx-srcx0)*self.Img[srcy0,srcx1]+(srcx1-srcx)*self.Img[srcy0,srcx0] v2 = (srcx - srcx0) * self.Img[srcy1,srcx1] + (...
python 标准化数据 1.ytrain = np.log1p(Xtrain['total']):对偏度比较大的数据处理转化,服从高斯分布,后续的分类结果得到一个更好的结果,使得数据压缩到一个区间,和标准化类似. 该函数的逆运算为 expm1:np.expm1(ytest) 2.# 使用平均值规范化数据 total_train_mean = total_train_df.mean() total_tra...