【机器学习】python有用工具函数汇总---永久追加更新

最新推荐文章于 2024-08-13 14:14:41 发布

CV_ML_DP

最新推荐文章于 2024-08-13 14:14:41 发布

阅读量817

点赞数 1

分类专栏：人工智能机器学习跟我一起学机器学习 Machine Learning

本文链接：https://blog.csdn.net/u012421852/article/details/79734627

版权

本文汇总了Python中用于机器学习的实用工具函数，包括等差数列生成、聚类数据样本、sigmoid函数绘图、数值格式化、开方运算、元素计数、次数最多元素查找、numpy.tile函数应用、文本数据提取、图像转数组、计算香农熵及复合熵等，是学习和实践机器学习的好资源。

摘要由CSDN通过智能技术生成

1.等差数列样本集

1.1代码

#等差数列
import numpy
x = numpy.arange(start=1, stop=10, step=2, dtype=int)
print(type(x))
print(x)

#等差数列
x = numpy.arange(start=1, stop=10, step=2, dtype=float)
print(type(x))
print(x)

1.2结果

2.聚类数据样本集

2.1代码

详见： sklearn.datasets.make_blobs

2.2结果

3.sigmoid函数绘图

3.1代码

第一种方法：

numpy.frompyfunc(func, fin, fout)

第二种方法：

for e in x：

list.append()

# -*- coding: utf-8 -*-
"""
@author: tom
Talk is cheap, show me the code
"""

import numpy
import math
import matplotlib.pyplot as plt

#sigmoid function
def sigmoid(x):
    return 1.0/(1.0 + math.exp(-1 * x))
#way1:sigmoid function for narray/list
def sigmoid_func(X):
    sigmoid_function = numpy.frompyfunc(sigmoid, 1, 1)
    return sigmoid_function(X)

x = numpy.arange(-10, 10, 0.1)
y = sigmoid_func(x)
plt.figure(1)
plt.subplot(211)
plt.title('sigmoid function way1')
plt.plot(x, y, c='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()


#way2:sigmoid function for narray/list
def sigmoid_way2(X):
    a = []
    for item in X:
        a.append(1.0/(1.0 + math.exp(-item)))
    return a
x = numpy.arange(-10, 10, 0.1)
y = sigmoid_way2(x)

plt.subplot(212)
plt.title('sigmoid function way2')
plt.plot(x, y, c='blue')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

3.2结果

4.各个元素小数点后都留3位

4.1代码

# -*- coding: utf-8 -*-
"""
@author: tom
Talk is cheap, show me the code
"""
import numpy

def _float(x):
    return float('%.3f' % x)
def float_func(X):
    func = numpy.frompyfunc(_float, 1, 1)
    return func(X)

if __name__=='__main__':
    x = [1.51111111, 2.511111, 3.51111, 4.51111]
    y = float_func(x)
    print(y)

4.2结果

5.每个元素依次开根号

5.1代码

# -*- coding: utf-8 -*-
"""
@author: tom
Talk is cheap, show me the code
"""

import numpy
import math
import matplotlib.pyplot as plt

def _sqrt(x):
    return math.sqrt(x)
#sqrt func for array/list
def sqrt_func(X):
    func = n