Python
文章平均质量分 79
l_ricardo
这个作者很懒,什么都没留下…
展开
-
numpy中的tile函数
numpy中的tile函数numpy.tile(A,B(row,column))其中A为向量类型,B可为int,也可以为数组import numpynumpy.tile([1,0],3) #将[1,0]在一行上重复3次#array([1, 0, 1, 0, 1, 0])numpy.tile([1,0],(1,3)) #将[1,0]重复一行三列#array([[1, 0, 1, 0, 1, 0原创 2017-07-19 20:26:42 · 244 阅读 · 0 评论 -
numpy.sum函数
numpy.sum函数numpy.sum(a, axis=None, dtype=None, out=None, keepdims=False)numpy.sum用于计算矩阵的和,axis=1时按行计算,axis=0时按列计算>>> from numpy import *>>> rmat = mat(random.rand(3,3))>>> rmatmatrix([[ 0.47309329,原创 2017-07-19 20:50:18 · 404 阅读 · 0 评论 -
MNIST数据读取
MNIST数据读取MNIST数据集是采用二进制存储,由于各种算法测试时都可以使用MNIST数据集进行测试,所以单独写一个类进行MNIST数据读取。MNIST数据格式训练数据集TRAINING SET IMAGE FILE: [offset] [type] [value] [description] 0000 32 bit integer 0x00000803(2051)转载 2017-08-11 15:20:23 · 4022 阅读 · 0 评论 -
Logistics Rrgression(Logistics回归)
Logistics Rrgression(Logistics回归) Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高。适用数据类型:数值型和标称型数据。 Logistic回归的一般过程 (1) 收集数据:采用任意方法收集数据。 (2) 准备数据:由于需要进行距离计算,因此要求数据类型为数值型。另外,结构化数据格式则最佳。 (3)原创 2017-08-26 17:49:44 · 570 阅读 · 0 评论 -
线性回归:预测数值型数据
数据读入from numpy import *%matplotlib inlineimport matplotlib.pyplot as pltdef loadDataSet(fileName): numFeat = len(open(fileName).readline().split('\t')) dataMat =[]; labelMat = [] ...原创 2018-03-16 09:56:33 · 1771 阅读 · 0 评论