Julia学习

Julia学习(1)——入门


  1. 如何打印
  2. 变量如何赋值
  3. 如何注释
  4. 基本数学语法

ref:
learn julia in Y mins
Julia By Example
jula wiki book

1.如何打印

Julia定义了 println() 用于打印字符/变量、字符串,注意这里是println,print+小写L

println("Hello World!")
println("Hello Julia")
println("This is the first day of my Julia study")

2.变量如何赋值

格式:变量名 = 值
julia会自动处理变量的类型

var_1 = 42
typeof(var_1)
Int64
var_pi = 3.14159
typeof(var_pi)
Float64
中文变量 = 10
typeof(中文变量)
Int64

一个好玩的东西——>:smi符号表情:
:smi + tab –> select with down arrow + enter —> tab出现冒号后再tab就可看到一些表情了

3.如何注释

# 单行注释使用#井号,与python类似
#=
多行注释时,使用井号等号组合#= 。。。 =#
这里是
注释的
多行
=#

4.基本数学运算

add = 3 + 7
10
sub = 10 - 3
7
product = 20 * 5
100
#除法
quotient = 100 / 10
10.0
power = 10 ^ 2
100
#取余数
modulus = 101 % 2
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,你需要安装Julia和机器学习相关的包。可以使用以下命令安装: ```julia using Pkg Pkg.add("MLJ") Pkg.add("Flux") Pkg.add("DataFrames") Pkg.add("CSV") ``` 接下来,我们可以使用一个示例数据集来训练模型。这里我们使用鸢尾花数据集。你可以使用以下命令来下载并导入数据集: ```julia using Pkg Pkg.add("RDatasets") using RDatasets iris = dataset("datasets", "iris") ``` 接下来,我们需要将数据集分为训练集和测试集。我们可以使用DataFrames.jl的`train_test_split`函数来完成此操作,如下所示: ```julia using DataFrames train, test = train_test_split(iris, test_size=0.2) ``` 现在我们可以使用Flux.jl训练一个神经网络模型来对鸢尾花进行分类。以下是一个简单的模型: ```julia using Flux model = Chain( Dense(4, 10, relu), Dense(10, 3), softmax) ``` 这个模型有两个隐藏层和一个输出层。我们可以使用以下代码来训练模型: ```julia using Flux: crossentropy, @epochs loss(x, y) = crossentropy(model(x), y) opt = ADAM() data = [(row[1:4], row[5]) for row in eachrow(train)] @epochs 100 Flux.train!(loss, params(model), data, opt) ``` 这段代码将训练模型100个epoch,使用Adam优化器进行优化。 最后,我们可以使用测试集来评估模型的性能。以下是一个简单的评估代码: ```julia using CSV test_data = CSV.read("test.csv") predictions = Flux.argmax(model.(test_data[:,1:4]), dims=2) accuracy = sum(predictions .== test_data[:,5]) / length(test_data[:,5]) println("Accuracy: $accuracy") ``` 这段代码将加载测试集并使用模型来预测每个样本的类别。然后,我们可以计算准确性并打印结果。 这就是使用Julia学习一个机器学习模型的基本流程。当然,这只是一个简单的示例,实际情况可能更加复杂。但是,Julia的高性能和易用性使得它成为一个非常好的工具来学习机器学习模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值