- 博客(21)
- 资源 (9)
- 收藏
- 关注
原创 吴恩达深度学习:1.3练习作业-自己编写的测试划分高斯分布的代码
import numpy as np import matplotlib.pyplot as plt import planar_utils1.3练习作业-自己编写的测试划分高斯分布的代码0 准备神经网络需要的函数0.1计算各个层的大小def layer_sizes(X, Y): “”” Arguments: X – input dat...
2018-05-22 15:26:54 362
原创 吴恩达深度学习:1.3样例用一个隐含层神经网络对数据进行分类
coding: utf-8# Planar data classification with one hidden layer用一个隐含层神经网络对数据进行分类Welcome to your week 3 programming assignment. It’s time to build your first neural network,which will h...
2018-05-22 15:23:50 3026
转载 Python 中关于 round 函数的小坑
这个一直都想写,但是因为这个点比较小,所以一直懒得动手。不过还是补上吧,留着早晚是个祸害。 round函数很简单,对浮点数进行近似取值,保留几位小数。比如: round(10.0/3, 2) 3.33 round(20/7) 3 第一个参数是一个浮点数,第二个参数是保留的小数位数,可选,如果不写的话默认保留到...
2018-05-17 13:31:20 808
原创 Numpy 使用教程--Numpy 数学函数及代数运算
Numpy 使用教程–Numpy 数学函数及代数运算一、实验介绍1.1 实验内容如果你使用 Python 语言进行科学计算,那么一定会接触到 Numpy。Numpy 是支持 Python 语言的数值计算扩充库,其拥有强大的高维度数组处理与矩阵运算能力。除此之外,Numpy 还内建了大量的函数,方便你快速构建数学模型。1.2 实验知识点Numpy 数学函数 Numpy 代数运算...
2018-05-17 13:30:07 15859
原创 #meshgrid和ravel测试
import numpy as npmeshgrid和ravel测试x=np.array([1,2,3]) y=np.array([4,5])xv,yv=np.meshgrid(x,y) print(“xv:”,xv)输出:xv: [[1 2 3] [1 2 3]]print(“yv:”,yv) 输出yv: [[4 4 4] ...
2018-05-16 00:03:12 433
原创 机器学习基础一:sklearn的快速使用
传统的机器学习任务从开始到建模的一般流程是:获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测,分类。本文我们将依据传统机器学习的流程,看看在每一步流程中都有哪些常用的函数以及它们的用法是怎么样的。希望你看完这篇文章可以最为快速的开始你的学习任务。1. 获取数据1.1 导入sklearn数据集 sklearn中包含了大量的优质的数据...
2018-05-15 17:34:33 607
转载 神经网络与深度学习一、人工神经网络初步
本文转载这里写链接内容“”” 人工神经网络其实在很久以前就被提出来了,苦于当时没有足够强大的硬件(比如现在也有点烂大街的GPU)去 支撑理论的实践(其实还有一部分原因是面对图像这样的高维数据,最初的神经网络确实没有做卷积神经网络 这样特殊的处理,从而参数极大),因此消停了非常长的时间。 当然,它的热度在近两年被推到了一个近乎极端的状态,似乎是个好点的实验室,是个大型...
2018-05-15 00:00:08 1368
原创 python学习:random使用和矩阵的*
import numpy as nppython学习:random使用和矩阵的*1、构造随机矩阵w0=np.array([[1,2,3],[4,5,6]]) w1=np.array([np.random.random(4),np.random.random(2)]) print(“w1:”,w1)#生成一个矩阵,有两个元素,第一元素为4个元素,第二个元素为2个元素[...
2018-05-14 17:51:36 1882
原创 python学习:lambda表达式或参数作为表达式
import numpy as nplambda表达式或参数作为表达式1、函数名字作为参数或者lambda表达式作为参数def lambda_funt(a,b,fun): return fun(a,b)2、加法def add(a,b): return a+b3、减法def sub(a,b): return a-ba=10...
2018-05-14 11:58:09 2076
原创 #np.c_和np.r_的区别
import numpy as np import pandas as panp.c_和np.r_的区别a1 = np.array([1, 2, 3]) b1 = np.array([4, 5, 6]) c1 = np.c_[a1,b1]#按照列来合并矩阵 d1 = np.r_[a1,b1]#按照行来合并矩阵 print(“c1:”,c1)c1: [[1 4]# ...
2018-05-13 15:21:19 477
原创 numpy.ravel()的区别numpy.flatten()
import numpy as npnumpy.ravel()的区别numpy.flatten()(1)两者所要实现的功能是一致的(将多维数组降位一维);(2)numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵;(3)numpy.ravel()返回的是视图(view,也颇有几分C/C++引用reference的意味),会影响(r...
2018-05-13 13:20:00 776
原创 测试lamdba、map和filter这三个函数
温馨提示:python中文件名字不能以test_开头,不然系统会以为是测试文件,老报no tests were found这种错误python中unittest框架是以Test开头的方法,所以定义方法或类不能以Test开头1、测试lamdbalambda可以理解为一种小函数,但是它是一个表达式,而不是一个语句,所以在def不允许出现的地方仍然可以使用lambda函数de...
2018-05-13 11:29:20 327
原创 2_2逻辑回归在神经网络中的实现
# 2_2Logistic Regression with a Neural Network mindset#2_2逻辑回归在神经网络中的实现 Welcome to your first (required) programming assignment! You will build alogistic regression classifier to recog...
2018-05-12 23:48:31 3845
原创 zip()函数函数的使用
* coding: utf-8 *“”” zip()函数的定义:从参数中的多个迭代器取元素组合成一个新的迭代器; 返回: 返回一个zip对象,其内部元素为元组;可以转化为列表或元组; 传入参数: 元组、列表、字典等迭代器。 当zip()函数中只有一个参数时,zip(iterable)从iterable中依次取一个元组,组成一个元组。...
2018-05-12 23:44:55 9267
原创 pickle序列化
import pickle1、定义一个Person类class Person: def init(self,n,a): self.name=n self.age=a def show(self): print(self.name+”_”+str(self.age))2、定义一个dataListdata...
2018-05-12 21:35:52 125
原创 assignment2_1_Vector
import timeimport numpy as np# ## 一、Vectorization# In deep learning, you deal with very large datasets. Hence, a non-computationally-optimal# function can become a huge bottleneck in your algorit...
2018-05-04 20:00:40 153
原创 python库——h5py入门讲解
h5py简单介绍h5py文件是存放两类对象的容器,数据集(dataset)和组(group),dataset类似数组类的数据集合,和numpy的数组差不多。group是像文件夹一样的容器,它好比python中的字典,有键(key)和值(value)。group中可以存放dataset或者其他的group。”键”就是组成员的名称,”值”就是组成员对象本身(组或者数据集),下面来看下如何创建组和数...
2018-05-04 15:13:17 637
原创 第6讲:特征工程
coding: utf-8import pandas as pd import numpy as np from sklearn.feature_extraction import DictVectorizer from sklearn import preprocessing# 特征工程小案例Kaggle上有这样一个比赛:城市自行车共享系统使用状况。 提...
2018-05-03 15:11:06 332
原创 吴恩达 深度学习 编程作业(1-2)- Python Basics with Numpy1
import math import numpy as npPython Basics with Numpy (optional assignment)Welcome to your first assignment. This exercise gives you a brief introduction to Python. Even if you’ve used Pytho...
2018-05-03 00:12:10 325
转载 吴恩达DeepLearning.ai《深度学习》课程笔记目录总集
转载:https://blog.csdn.net/koala_tree/article/details/79913655DeepLearning.ai简介deepLearning.ai 是由吴恩达在Coursera上推出的一个教授深度学习的专题系列课程。整个专题共包括五门课程:01.神经网络和深度学习;02.改善深层神经网络-超参数调试、正则化以及优化;03.结构化机器学习项目;04.卷积...
2018-05-02 21:12:38 765
转载 机器学习入门:线性回归及梯度下降
转载于:https://blog.csdn.net/xiazdong/article/details/7950084 本文会讲到:(1)线性回归的定义(2)单变量线性回归(3)cost function:评价线性回归是否拟合训练集的方法(4)梯度下降:解决线性回归的方法之一(5)feature scaling:加快梯度下降执行速度的方法(6)多变量线性回归L...
2018-05-02 20:51:55 198
机器学习算法与Python实践之(七)逻辑回归
2018-01-07
机器学习算法与Python实践之(六)二分k均值聚类.
2018-01-07
机器学习算法与Python实践之(四)支持向量机(SVM)实现
2018-01-07
机器学习算法与Python实践之(三)支持向量机(SVM)进阶
2018-01-07
机器学习算法与Python实践之(二)支持向量机(SVM)初级
2018-01-07
机器学习算法与Python实践之(一)k近邻(KNN)
2018-01-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人