init

.gitignore

+book

book.toml

+[book]
+authors = ["周翔,杨秀璋,许向武"]
+language = "zh-cn"
+multilingual = false
+src = "src"
+title = "Python 成长路线图（高阶）"
+
+
+[output.html]
+default-theme = "ayu"
+curly-quotes = true
+git-repository-url = "https://codechina.csdn.net/csdn/python/python-senior"
+git-repository-icon = "fa-github"
+
+[output.html.playpen]
+editable = true
+copy-js = true
+
+[output.html.search]
+enable = true
+limit-results = 30
+teaser-word-count = 30
+use-boolean-and = true
+boost-title = 2
+boost-hierarchy = 1
+boost-paragraph = 1
+expand = true
+heading-split-level = 3
+copy-js = true
\ No newline at end of file

src/1.md

+# 科学计算基础软件包NumPy

src/10.md

+# 操作数组

src/100.md

+# 曲线拟合

src/101.md

+# 最小二乘法拟合

src/102.md

+# 使用curve_fit()函数拟合

src/103.md

+# 多项式拟合函数

src/104.md

+# 傅里叶变换

src/105.md

+# 时域到频域的转换

src/106.md

+# 一维傅里叶变换的应用

src/107.md

+# 二维傅里叶变换的应用

src/108.md

+# 图像处理

src/109.md

+# 图像卷积

src/11.md

+# 索引

src/110.md

+# 边缘检测

src/111.md

+# 侵蚀和膨胀

src/112.md

+# 图像测量

src/113.md

+# 积分

src/114.md

+# 对给定函数的定积分

src/115.md

+# 对给定样本的定积分

src/116.md

+# 二重定积分

src/117.md

+# 非线性方程求解

src/118.md

+# 非线性方程

src/119.md

+# 非线性方程组

src/12.md

+# 切片

src/120.md

+# 线性代数

src/121.md

+# 计算矩阵的行列式

src/122.md

+# 求解逆矩阵

src/123.md

+# 计算特征向量和特征值

src/124.md

+# 矩阵的奇异值分解

src/125.md

+# 求解线性方程组

src/126.md

+# 聚类

src/127.md

+# k-means聚类

src/128.md

+# 层次聚类

src/129.md

+# 空间计算

src/13.md

+# 改变数组结构

src/130.md

+# 空间旋转的表述

src/131.md

+# 三维旋转

src/132.md

+# 机器学习工具包Scikit-learn

src/133.md

+# Scikit-learn概览

src/134.md

+# 安装配置

src/135.md

+# 数据集

src/136.md

+# Scikit-learn自带的数据集

src/137.md

+# 样本生成器

src/138.md

+# 加载其他数据集

src/139.md

+# 数据预处理Preprocessing

src/14.md

+# 合并和拆分

src/140.md

+# 标准化

src/141.md

+# 归一化

src/142.md

+# 正则化

src/143.md

+# 离散化

src/144.md

+# 特征编码

src/145.md

+# 缺失值补全

src/146.md

+# 分类Classification

src/147.md

+# K-近邻分类

src/148.md

+# 贝叶斯分类

src/149.md

+# 决策树分类

src/15.md

+# 复制

src/150.md

+# 支持向量机分类

src/151.md

+# 随机森林分类

src/152.md

+# 集成学习Bagging/Boosting

src/153.md

+# 神经网络模型

src/154.md

+# 回归Regression

src/155.md

+# 线性回归

src/156.md

+# Lasso回归

src/157.md

+# 支持向量机回归

src/158.md

+# K-近邻回归

src/159.md

+# 决策树回归

src/16.md

+# 排序

src/160.md

+# 随机森林回归

src/161.md

+# 逻辑回归

src/162.md

+# 聚类Clustering

src/163.md

+# K-Means聚类

src/164.md

+# 均值漂移聚类

src/165.md

+# 基于密度的空间聚类

src/166.md

+# 谱聚类

src/167.md

+# 层次聚类

src/168.md

+# 成分分解与降维

src/169.md

+# 主成分分析

src/17.md

+# 查找

src/170.md

+# 因子分析

src/171.md

+# 截断奇异值分解

src/172.md

+# 独立成分分析ICA（Independent Component Analysis）

src/173.md

+# 模型评估与参数调优

src/174.md

+# 估计器得分

src/175.md

+# 交叉验证

src/176.md

+# 评价指标

src/177.md

+# 参数调优

src/178.md

+# 模型持久化

src/179.md

+# 深度学习

src/18.md

+# 筛选

src/180.md

+# 神经网络基础知识

src/181.md

+# 人工智能发展历史

src/182.md

+# 神经元

src/183.md

+# BP神经网络

src/184.md

+# 梯度下降

src/185.md

+# 激励函数

src/186.md

+# 过拟合、欠拟合

src/187.md

+# 优化器Optimizer