Waldo Blog

Thinking will not overcome fear but action will.

NumPy中的arg运算

使用有一百万个元素,均值为0,方差为1的随机向量 numpy.argmin() 返回向量中最小值的索引 numpy.argmax() 返回向量中最大值的索引 numpy.shuffle() 对向量进行乱序处理 numpy.sort() 对向量进行正序处理 对矩阵的每一行排序 对矩阵的每一列就行排序 numpy.argsort() 返回的是元素的索引!...

numpy.array中的运算

Python list中使数组中元素翻倍 使用numpy的array来将数组元素翻倍远远快于Python原生list。 Universal Functions——将数组当作向量或者矩阵看待。它几乎支持所有的运算符 下面的运算都是对一个矩阵进行运算 加、减、乘、除 二次方 取模 取倒数 取绝对值 取三角函数 对矩阵中所有的元素,都取e的元素次方 使用p...

如何在PyCharm同时配置python 2和3?

PyCharm是IDE,和系统中的python环境无关。可以在系统中安装好两个python版本,之后再使用pycharm的时候,选择相应的python版本作为解析器即可。 不过由于不同的框架也存在Python版本以来的问题,所以如果使用Python的其他框架,还存在一个Python的其他相关库管理的问题。其实Anaconda提供非常方便的虚拟环境功能,可以使用Anaconda直接创建一...

NumPy数组(和矩阵)的合并与分割

合并操作 concatenate、vstack、hstack 分割操作 split、vsplit、hsplit

机器学习的基本任务

分类与回归

机器学习的基本任务(也就是说算法的模型的输出结果主要分为两类) 分类任务 二分类 多分类 多分类任务还包括: 数字识别、图像识别、判断发放给客户信用卡的风险评级 回归任务 结果是一个连续数字的值,而非一个类别 预测房屋价格 预测市场分析 预测学生成绩 一些情况下,回归任务可以简化成分类任务

创建NumPy数组和矩阵

numpy.zeros() 创建零数组或者零矩阵 numpy.ones() 获得全一的数组或者矩阵 numpy.full() 创建全是指定值的数组或者矩阵 numpy.arange() numpy.arange(起始点索引,终止点索引,步距) #注意不包括终止点元素 numpy.linspace() numpy.linspace(...

NumPy之数据基础

numpy.array 基础 numpy可以方便地将这个数组看作多维数组,来存储多维数据,进而将这些数组看成矩阵。 Python List 的特点 列表中元素类型不必相同 Python中的array array只将数据看作数组,与矩阵和向量,没有关系,array数组只能存储一种类型 numpy.array 只能存储一种类型

NumPy.array的基本操作

基本属性 .ndim 查看数组是几维数组 .shape 查看数组维度 .size查询数组中元素个数 numpy.array的数据访问 reshape命令 对一个数组,不需要修改数据,但是修改它的维度,此时调用reshape命令

机器学习的分类

监督学习 监督学习主要处理两大类问题:分类问题 and 回归问题 非监督学习 上述特征提取:当面对一个数据时,这个数据有很多特征,有些特征对最终结果没有贡献。例如:人的胖瘦和人的信用评级没有什么关系,这里可以把“胖瘦”这个特征去除掉。 上述特征压缩:说的是,我们并不扔掉任何特征,但是有的时候,特征之间的关联性特别强。这个时候,可以去除一些特征,就能很好地表...

Markdown语法总结

程序员都爱用

标题 标题是最常用的格式,只要在文本前加上#即可,在Markdown里标题分为6级,一个#号标题字号最大,6个#号标题字号最小 示例如下: # 一级标题 ## 二级标题 ### 三级标题 #### 四级标题 ##### 五级标题 ###### 六级标题 保存后效果如下: 一级标题 二级标题 三级标题 四级标题 五级标题 六级标题 注意:#和字符之间保留...