python
文章平均质量分 81
wepon_
Machine learning、DM、computer vision。
展开
-
《Python核心编程 》笔记-快速入门
春节终于over了,回归充实的学习研究生活。打开久违的CSDN博客,看到官方推送的 『博客Markdown编辑器上线啦』,让我顿时有了写作的欲望,真是程序员的福利。之前阅读各种文章书籍,都是用MarkDownPad做的笔记,喜欢以及习惯于MarkDown简洁的语法。总之各种方便。为了试试效果,将以前阅读《Python核心编程》的手记整理发上来,也当温习一遍。第二章 快速入门print语句中使用字符原创 2015-02-27 11:17:23 · 2618 阅读 · 0 评论 -
《Python核心编程》笔记 Python对象
第4章 Python对象1、Python对象Python使用对象模型来存储数据,构造任何类型的值都是一个对象。所有的对象都有三个特性:身份,可通过内建函数id()查看,这个值即该对象的内存地址。类型,可通过内建函数type()查看。值,对象表示的数据项。>>> p = 12>>> id(p)31108092>>> type(p)<type 'int'>>>> p12>>> 2、标原创 2015-03-04 01:14:44 · 2499 阅读 · 0 评论 -
《Python核心编程》数字类型
1、数字类型简介Python中数字类型包括:整型、长整型、布尔型、双精度浮点型、十进制浮点型、复数。这些数字类型都是不可变类型,也就是说,改变了数字的值会生成新的对象。在Python中删除数字对象,可以用语句:del aInt,aLong,aFloat,aComplex2、整型布尔型取值范围只有两个值,True和False。它们在数学运算中对应1和0.对于值为0的任何数字或空集(空列表、空元原创 2015-03-16 00:58:04 · 3604 阅读 · 0 评论 -
大数据竞赛平台——Kaggle 入门
大数据竞赛平台——Kaggle 入门篇这篇文章适合那些刚接触Kaggle、想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友,对于已经在Kaggle上参赛过的网友来说,大可不必耗费时间阅读本文。本文分为两部分介绍Kaggle,第一部分简单介绍Kaggle,第二部分将展示解决一个竞赛项目的全过程。如有错误,请指正!1、Kaggle简介Kaggle是一个数据分析的竞赛平台,网址:ht原创 2014-12-14 21:34:01 · 291674 阅读 · 56 评论 -
【Python】 csv模块的使用
Python csv模块的使用1、csv简介CSV (Comma Separated Values),即逗号分隔值(也称字符分隔值,因为分隔符可以不是逗号),是一种常用的文本格式,用以存储表格数据,包括数字或者字符。很多程序在处理数据时都会碰到csv这种格式的文件,它的使用是比较广泛的(Kaggle上一些题目提供的数据就是csv格式),csv虽然使用广泛,但却没有通用的标准,所原创 2014-12-13 22:39:30 · 138905 阅读 · 11 评论 -
【NumPy基础】100道numpy练习——进阶篇
选自numpy-100,当作熟悉NumPy的练习。NumPy只是一个数值计算的工具包,在实际的算法实现中来熟悉NumPy才是有效的,因此后面不打算继续写了,到此文为止,基本的语原创 2015-01-18 22:56:53 · 11853 阅读 · 0 评论 -
【NumPy基础】100道numpy练习——Apprentice篇
【NumPy基础】100道numpy练习——Apprentice篇@author:wepon@blog:http://blog.csdn.net/u012162613/article/details/42811297今天又用半小时扫了一下Apprentice篇里的10道exercise,不知道怎么翻译Apprentice(学徒~~)这个词,就直接以Apprentice篇作为原创 2015-01-17 21:37:48 · 10480 阅读 · 2 评论 -
Python-OpenCV人脸检测(代码)
做人脸识别,首先要检测出图片/视频中的人脸,今天就研究了一下OpenCV的Python接口,把常用的一些功能模块写成函数。基于Python-OpenCV以及PIL,实现图片中人脸的检测以及截取保存、眼睛检测、笑脸检测。下面简单总结一下。........总之,利用opencv里训练好的haar特征的xml文件,在图片上检测出人脸(眼睛、鼻子、笑脸…)的坐标,利用这个坐标,我们可以将人脸区域剪切保存,也可以在原图上将人脸框出。剪切保存人脸以及用矩形工具框出人脸,本程序使用的是PIL里的Image、ImageDr原创 2015-02-05 09:04:20 · 69491 阅读 · 3 评论 -
【NumPy基础】100道numpy练习——初学与入门篇
100道numpy练习@author:wepon@blog:http://blog.csdn.net/u012162613/article/details/42784403今天在deeplearning.net上看theano tutorial,发现一个numpy-100-exercise,介绍numpy一些基本用法的,不过不是很具体,我利用闲暇时间照着敲了一些,权且当作翻原创 2015-01-16 21:39:21 · 21455 阅读 · 5 评论 -
【机器学习算法实现】logistic回归__基于Python和Numpy函数库
【机器学习算法实现】系列文章将记录个人阅读机器学习论文、书籍过程中所碰到的算法,每篇文章描述一个具体的算法、算法的编程实现、算法的具体应用实例。争取每个算法都用多种语言编程实现。所有代码共享至github:https://github.com/wepe/MachineLearning-Demo 欢迎交流指正!logistic回归一般用于二分类问题,比如判断一封邮件是否为垃圾邮件,判断照片中的人是男是女,预测一场比赛输还是赢......当然也可以用于多分类问题,比如k类别,就进行k次logistic原创 2014-12-10 12:07:39 · 30654 阅读 · 9 评论 -
【DeepLearning工具】Fedora下安装theano
【DeepLearning工具】Fedora下安装Theanoauthor:wepon@blog:http://blog.csdn.net/u012162613/article/details/426512331、Theano简介Theano是深度学习的一个python库,在deeplearning.net上有它的tutorial,它可以方便我们写深度学习模型,它提供了原创 2015-01-12 21:53:27 · 4487 阅读 · 0 评论 -
【机器学习算法实现】kNN算法__手写识别——基于Python和NumPy函数库
kNN算法,即K最近邻(k-NearestNeighbor)分类算法,是最简单的机器学习算法之一,算法思想很简单:从训练样本集中选择k个与测试样本“距离”最近的样本,这k个样本中出现频率最高的类别即作为测试样本的类别。分类过程如下:1 首先我们事先定下k值(就是指k近邻方法的k的大小,代表对于一个待分类的数据点,我们要寻找几个它的邻居)。这边为了说明问题,我们取两个k值,分别为3和5;2 根据事先确定的距离度量公式(如:欧氏距离),得出待分类数据点和所有已知类别的样本点中,距离最近的k个样本。3 统原创 2014-12-06 01:33:19 · 38974 阅读 · 12 评论 -
利用Python PIL、cPickle读取和保存图像数据库
利用Python PIL、cPickle读取和保存图像数据库 @author:wepon@blog:http://blog.csdn.net/u012162613/article/details/43226127计算机视觉、机器学习任务中,经常跟图像打交道,在C++上有成熟的OpenCV可以使用,在Python中也有一个图像处理库PIL(Python Image L原创 2015-01-28 09:40:54 · 30519 阅读 · 11 评论 -
Kaggle入门——使用scikit-learn解决DigitRecognition问题
scikit-learn是一个基于NumPy、SciPy、Matplotlib的开源机器学习工具包,采用Python语言编写,主要涵盖分类、回归和聚类等算法,例如knn、SVM、逻辑回归、朴素贝叶斯、随机森林、k-means等等诸多算法,官网上代码和文档都非常不错,对于机器学习开发者来说,是一个使用方便而强大的工具,节省不少开发时间。scikit-learn官网指南:http://scikit-learn.org/stable/user_guide.html上一篇文章《大数据竞赛平台—Kaggle原创 2014-12-17 10:07:41 · 17355 阅读 · 14 评论 -
《Python核心编程》笔记 基础
春节终于over了,回归充实的学习研究生活。打开久违的CSDN博客,看到官方推送的 『博客Markdown编辑器上线啦』,让我顿时有了写作的欲望,真是程序员的福利。之前阅读各种文章书籍,都是用MarkDownPad做的笔记,喜欢以及习惯于MarkDown简洁的语法。总之各种方便。为了试试效果,将以前阅读《Python核心编程》的手记整理发上来,也当温习一遍。第三章 Python基础1、语句和语法注原创 2015-02-27 11:22:18 · 2733 阅读 · 0 评论