06 2017 档案

摘要:5.2 Scikit-Learn 简介 原文:Introducing Scikit-Learn 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。 有几个 Python 库提供一系列机器学习算法的实现。最著名的是 Scikit-Learn,一个提供 阅读全文
posted @ 2017-06-30 21:27 绝不原创的飞龙 阅读(32) 评论(0) 推荐(0) 编辑
摘要:5.1 什么是机器学习 原文:What Is Machine Learning? 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。 在我们查看机器学习方法的各种细节之前,先了解什么是机器学习,什么不是。机器学习通常被归类为人工智能的一个子领域,但 阅读全文
posted @ 2017-06-30 15:28 绝不原创的飞龙 阅读(15) 评论(0) 推荐(0) 编辑
摘要:5.5 朴素贝叶斯分类 原文:In Depth: Naive Bayes Classification 译者:飞龙 协议:CC BY-NC-SA 4.0 译文没有得到原作者授权,不保证与原文的意思严格一致。 前四节对机器学习概念进行了总体概述。 在本节和随后的一节中,我们将仔细研究几种具体的监督和无 阅读全文
posted @ 2017-06-29 15:09 绝不原创的飞龙 阅读(20) 评论(0) 推荐(0) 编辑
摘要:# coding: utf-8 # 作者:Wizard <github.com/wizardforcel> # 预测今后的北京高考人数 # 假设 x 年的出生人数和 (x + 18) 年的高考人数是线性关系 import numpy as np from matplotlib import pypl 阅读全文
posted @ 2017-06-23 09:36 绝不原创的飞龙 阅读(20) 评论(0) 推荐(0) 编辑
摘要:Scikit-learn 秘籍 原书:Scikit-learn Cookbook 在线阅读PDF格式EPUB格式MOBI格式代码仓库 译者 章节译者1预处理2回归3聚类4分类5后处理 协议 CC BY-NC-SA 4.0 阅读全文
posted @ 2017-06-22 16:14 绝不原创的飞龙 阅读(6) 评论(0) 推荐(0) 编辑
摘要:第五章 模型后处理 作者:Trent Hauck 译者:飞龙 协议:CC BY-NC-SA 4.0 5.1 K-fold 交叉验证 这个秘籍中,我们会创建交叉验证,它可能是最重要的模型后处理验证练习。我们会在这个秘籍中讨论 k-fold 交叉验证。有几种交叉验证的种类,每个都有不同的随机化模式。K- 阅读全文
posted @ 2017-06-22 15:51 绝不原创的飞龙 阅读(11) 评论(0) 推荐(0) 编辑
摘要:第四章 使用 scikit-learn 对数据分类 作者:Trent Hauck 译者:飞龙 协议:CC BY-NC-SA 4.0 分类在大量语境下都非常重要。例如,如果我们打算自动化一些决策过程,我们可以利用分类。在我们需要研究诈骗的情况下,有大量的事务,人去检查它们是不实际的。所以,我们可以使用 阅读全文
posted @ 2017-06-20 17:15 绝不原创的飞龙 阅读(6) 评论(0) 推荐(0) 编辑
摘要:Python 数据科学入门教程:机器学习:回归 原文:Regression - Intro and Data 译者:飞龙 协议:CC BY-NC-SA 4.0 引言和数据 欢迎阅读 Python 机器学习系列教程的回归部分。这里,你应该已经安装了 Scikit-Learn。如果没有,安装它,以及 P 阅读全文
posted @ 2017-06-17 15:30 绝不原创的飞龙 阅读(18) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Essentials ch6 绘图函数 import matplotlib.pyplot as plt import numpy as np def show(ori_func, ft, sampling_period = 5): n = len(ori_func) inter 阅读全文
posted @ 2017-06-15 11:12 绝不原创的飞龙 阅读(16) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Essentials ch5 矩阵 import numpy as np ndArray = np.arange(9).reshape(3,3) # matrix 可以从 ndarray 直接构建 x = np.matrix(ndArray) # identity 用于构建单位 阅读全文
posted @ 2017-06-15 09:34 绝不原创的飞龙 阅读(19) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Essentials ch4 步长 # 步长是每个维度相邻两个元素的偏移差值 import numpy as np x = np.arange(8, dtype = np.int8) x # array([0, 1, 2, 3, 4, 5, 6, 7]) # x 是一维数组,步 阅读全文
posted @ 2017-06-14 20:50 绝不原创的飞龙 阅读(10) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Essentials ch3 向量化 import numpy as np # NumPy 数组的运算是向量化的 # 数组和标量运算是每个元素和标量运算 x = np.array([1, 2, 3, 4]) x + 1 # array([2, 3, 4, 5]) # 数组和数组 阅读全文
posted @ 2017-06-14 20:47 绝不原创的飞龙 阅读(10) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Essentials ch2 数组索引和切片 # 创建 100x100 个 0~1 随机数 x = np.random.random((100, 100)) # 取第 42 行 87 列的元素(从零开始) y = x[42, 87] # 取第 k 行的所有元素 # 等价于 x[ 阅读全文
posted @ 2017-06-14 20:44 绝不原创的飞龙 阅读(11) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Cookbook 2e Ch11 np.random.seed(44) a = np.random.random_integers(-4, 4, 7) print(a) # [ 0 -1 -3 -1 -4 0 -1] # ufunc 的 at 方法可以对数组元素部分调用 np. 阅读全文
posted @ 2017-06-14 20:41 绝不原创的飞龙 阅读(16) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Cookbook 2e Ch10 加载示例数据集 from __future__ import print_function from sklearn import datasets # datasets.load_? 用于加载不同的数据集 print filter(lambd 阅读全文
posted @ 2017-06-14 20:38 绝不原创的飞龙 阅读(8) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Cookbook 2e ch6 创建通用函数 from __future__ import print_function import numpy as np # 我们需要定义对单个元素操作的函数 def double(a): return 2 * a # frompyfunc 阅读全文
posted @ 2017-06-14 20:33 绝不原创的飞龙 阅读(13) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Cookbook 2e Ch5 将图像加载进内存 import numpy as np import matplotlib.pyplot as plt # 首先生成一个 512x512 的图像 # 在里面画 30 个正方形 N = 512 NSQUARES = 30 # 初始化 阅读全文
posted @ 2017-06-12 20:10 绝不原创的飞龙 阅读(22) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Cookbook 2e Ch4 使用缓冲区协议 # 协议在 Python 中相当于接口 # 是一种约束 import numpy as np import Image # from PIL import Image (Python 3) import scipy.misc le 阅读全文
posted @ 2017-06-12 09:24 绝不原创的飞龙 阅读(8) 评论(0) 推荐(0) 编辑
摘要:斐波那契数的第 n 项 # 来源:NumPy Cookbook 2e Ch3.1 import numpy as np # 斐波那契数列的每个新项都由之前的两项相加而成 # 以 1 和 2 开始,前 10 项为: # 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ... # 阅读全文
posted @ 2017-06-11 16:59 绝不原创的飞龙 阅读(22) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Biginner's Guide 2e ch9 绘制多项式函数 import numpy as np import matplotlib.pyplot as plt # 创建函数 func = x ** 3 + 2 * x ** 2 + 3 * x + 4 # poly1d 根 阅读全文
posted @ 2017-06-10 22:15 绝不原创的飞龙 阅读(14) 评论(0) 推荐(0) 编辑
摘要:计算布林带 # coding: utf-8 # 作者:Wizard <github.com/wizardforcel> import numpy as np from matplotlib import pyplot as plt import sys # 获取数据 # 因为没找到数据源,所以直接随 阅读全文
posted @ 2017-06-10 17:51 绝不原创的飞龙 阅读(10) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Biginner's Guide 2e ch3 读写文件 import numpy as np # eye 用于创建单位矩阵 i2 = np.eye(2) print i2 ''' [[ 1. 0.] [ 0. 1.]] ''' # 将数组以纯文本保存到 eye.txt 中 n 阅读全文
posted @ 2017-06-10 17:49 绝不原创的飞龙 阅读(21) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Biginner's Guide 2e ch7 字典排序 import numpy as np import datetime # 日期转成字符串 def datestr2num(s): return datetime.datetime.strptime(s, "%d-%m-% 阅读全文
posted @ 2017-06-02 19:09 绝不原创的飞龙 阅读(12) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Biginner's Guide 2e ch6 矩阵的逆 import numpy as np A = np.mat("0 1 2;1 0 3;4 -3 8") print "A\n", A ''' A [[ 0 1 2] [ 1 0 3] [ 4 -3 8]] ''' # 求 阅读全文
posted @ 2017-06-01 17:26 绝不原创的飞龙 阅读(12) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Biginner's Guide 2e ch5 创建矩阵 import numpy as np # mat 函数创建矩阵 # 空格分割行,分号分隔列 A = np.mat('1 2 3; 4 5 6; 7 8 9') print "Creation from string", 阅读全文
posted @ 2017-06-01 14:24 绝不原创的飞龙 阅读(21) 评论(0) 推荐(0) 编辑
摘要:# 来源:NumPy Beginner's Guide 2e ch4 交易相关偶对 import numpy as np from matplotlib.pyplot import plot from matplotlib.pyplot import show # 读入 BHP 的收盘价 bhp = 阅读全文
posted @ 2017-06-01 10:34 绝不原创的飞龙 阅读(14) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示