列表推导式----生成器表达式

列表推导式:

  基本形式: [表达式  for  参数  in  可迭代对象]   或者 [表达式  for  参数  in  可迭代对象  if   条件]

  实例:

 1 l = []
 2 for i in range(100):
 3     l.append('egg%s' %i)
 4 print i
 5 
 6 #不带if条件
 7     l = ['agg%s' %i for i in range(100) ]
 8 
 9 #带if条件
10     l = ['agg%s' %i for i in range(100)  if i>10]

 

生成器表达式

  将列表推导式的中括号改为小括号即可

  l = ('egg%s' %i  for i in range(100)  if i>10)

  print(next(l))

  注意:得到的结果为迭代器

 

 1 # 1、将names=['egon','alex_sb','wupeiqi','yuanhao']中的名字全部变大写
 2 # names=['egon','alex_sb','wupeiqi','yuanhao']
 3 # names = [name.upper() for name in names]
 4 # print(names)
 5 
 6 
 7 #
 8 # 2、将names=['egon','alex_sb','wupeiqi','yuanhao']中以sb结尾的名字过滤掉,然后保存剩下的名字长度
 9 # res=[len(i) for i in names if not i.endswith('sb')]
10 # print(list(res))
11 # 3、求文件a.txt中最长的行的长度(长度按字符个数算,需要使用max函数)
12 # with open('a.txt','r',encoding='utf-8') as f:
13 #     res = max([len(line) for line in f])
14 #     print(res)
15 
16 #如果数据量过大,使用生成器表达式更为恰当
17 # with open('a.txt', 'r', encoding='utf-8') as f:
18 #     res = max(len(line) for line in f)   #生成器表达式的小括号与max的小括号可以和为一个
19 #     print(res)
20 
21 # 4、求文件a.txt中总共包含的字符个数?思考为何在第一次之后的n次sum求和得到的结果为0?(需要使用sum函数)
22 # with open('a.txt','r',encoding='utf-8') as f:
23 #     res = sum(len(line) for line in f)
24 #     print(res)
25 # 第一次求和之后,文件光标已经移到末尾,再次求和没有内容可以循环出来
with open('a.txt') as f:
    g=(len(line) for line in f)
print(sum(g)) #为何报错?


#g是一个生成器对象,不知直接求和,必须取值之后才能求和

6、文件shopping.txt内容如下

mac,20000,3
lenovo,3000,10
tesla,1000000,10
chicken,200,1

求总共花了多少钱?

打印出所有商品的信息,格式为[{'name':'xxx','price':333,'count':3},...]

求单价大于10000的商品信息,格式同上

# with open('a.txt','r',encoding='utf-8') as f:
#     info = [line.split(',') for line in f]
#     cost=sum(int(price) * int(count) for *_,price,count in info)
#     print(cost)

# with open('a.txt','r',encoding='utf-8') as f:
#     info=[{'name':line.split(',')[0],
#       'price':int(line.split(',')[1]),
#       'count':int(line.split(',')[2])}
#         for line in f]
#     print(info)


# with open('a.txt',encoding='utf-8') as f:
#     info=[{
#         'name': line.split()[0],
#         'price': float(line.split()[1]),
#         'count': int(line.split()[2]),
#     } for line in f if float(line.split()[1]) > 10000]
#     print(info)

 

     

转载于:https://www.cnblogs.com/guodengjian/p/8708621.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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