2017年06月_绝不原创的飞龙

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

翻译 Python 数据科学手册 5.2 Scikit-Learn 简介

5.2 Scikit-Learn 简介原文：Introducing Scikit-Learn 译者：飞龙协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。有几个 Python 库提供一系列机器学习算法的实现。最著名的是 Scikit-Learn，一个提供大量常见算法的高效版本的软件包。 Scikit-Learn 的特点是

2017-06-30 21:27:42 42578

翻译 Python 数据科学手册 5.1 什么是机器学习

5.1 什么是机器学习原文：What Is Machine Learning? 译者：飞龙协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。在我们查看机器学习方法的各种细节之前，先了解什么是机器学习，什么不是。机器学习通常被归类为人工智能的一个子领域，但是我发现分类往往会首先产生误导。机器学习的研究肯定来自于这一背景下的

2017-06-30 15:28:55 38674

翻译 Python 数据科学手册 5.5 朴素贝叶斯分类

5.5 朴素贝叶斯分类原文：In Depth: Naive Bayes Classification 译者：飞龙协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。前四节对机器学习概念进行了总体概述。在本节和随后的一节中，我们将仔细研究几种具体的监督和无监督学习算法，从这里以朴素贝叶斯分类开始。朴素贝叶斯模型是一组非常快

2017-06-29 15:09:09 38795

原创预测今后的北京高考人数

# coding: utf-8# 作者：Wizard <github.com/wizardforcel># 预测今后的北京高考人数# 假设 x 年的出生人数和 (x + 18) 年的高考人数是线性关系def unary_linear_fit(x, y): assert(x.ndim == 1 and y.ndim == 1 and len(x) == len(y)) cov_x_y

2017-06-23 09:36:44 38577

翻译 Scikit-learn 秘籍翻译完成

Scikit-learn 秘籍原书：Scikit-learn Cookbook在线阅读PDF格式EPUB格式MOBI格式代码仓库译者章节译者 1 预处理 2 回归 3 聚类 4 分类 5 后处理协议CC BY-NC-SA 4.0

2017-06-22 16:14:17 38828

翻译 Scikit-learn 秘籍第五章模型后处理

第五章模型后处理作者：Trent Hauck 译者：飞龙协议：CC BY-NC-SA 4.05.1 K-fold 交叉验证这个秘籍中，我们会创建交叉验证，它可能是最重要的模型后处理验证练习。我们会在这个秘籍中讨论 k-fold 交叉验证。有几种交叉验证的种类，每个都有不同的随机化模式。K-fold 可能是一种最熟知的随机化模式。准备我们会创建一些数据集，之后在不同的在

2017-06-22 15:51:23 39309

翻译 Scikit-learn 秘籍第四章使用 scikit-learn 对数据分类

第四章使用 scikit-learn 对数据分类作者：Trent Hauck 译者：飞龙协议：CC BY-NC-SA 4.0分类在大量语境下都非常重要。例如，如果我们打算自动化一些决策过程，我们可以利用分类。在我们需要研究诈骗的情况下，有大量的事务，人去检查它们是不实际的。所以，我们可以使用分类都自动化这种决策。4.1 使用决策树实现基本的分类这个秘籍中，我们使用决策

2017-06-20 17:15:53 42085

翻译 Python 数据科学入门教程：机器学习：回归

Python 数据科学入门教程：机器学习：回归原文：Regression - Intro and Data 译者：飞龙协议：CC BY-NC-SA 4.0引言和数据欢迎阅读 Python 机器学习系列教程的回归部分。这里，你应该已经安装了 Scikit-Learn。如果没有，安装它，以及 Pandas 和 Matplotlib。pip instal

2017-06-17 15:30:22 40324 1

原创 NumPy Essentials 带注释源码六、NumPy 中的傅里叶分析

NumPy 中的傅里叶分析# 来源：NumPy Essentials ch6绘图函数import matplotlib.pyplot as plt import numpy as np def show(ori_func, ft, sampling_period = 5): n = len(ori_func) interval = sampling_period / n

2017-06-15 11:12:25 44306

原创 NumPy Essentials 带注释源码五、NumPy 中的线性代数

NumPy 中的线性代数# 来源：NumPy Essentials ch5矩阵import numpy as np ndArray = np.arange(9).reshape(3,3) # matrix 可以从 ndarray 直接构建x = np.matrix(ndArray) # identity 用于构建单位矩阵y = np.mat(np.identity(3)) x '''

2017-06-15 09:34:16 39199

原创 NumPy Essentials 带注释源码四、NumPy 核心和模块

NumPy 核心和模块# 来源：NumPy Essentials ch4步长# 步长是每个维度相邻两个元素的偏移差值import numpy as npx = np.arange(8, dtype = np.int8)x# array([0, 1, 2, 3, 4, 5, 6, 7])# x 是一维数组，步长为 1，因为 int8 占一个字节x.strides# (1,)# data

2017-06-14 20:50:15 38586

原创 NumPy Essentials 带注释源码三、NumPy 数组使用

NumPy 数组使用# 来源：NumPy Essentials ch3向量化import numpy as np # NumPy 数组的运算是向量化的# 数组和标量运算是每个元素和标量运算x = np.array([1, 2, 3, 4]) x + 1 # array([2, 3, 4, 5]) # 数组和数组运算是逐元素运算y = np.array([-1, 2, 3, 0]) x *

2017-06-14 20:47:33 38195

原创 NumPy Essentials 带注释源码二、NumPy 数组对象

NumPy 数组对象# 来源：NumPy Essentials ch2数组索引和切片# 创建 100x100 个 0~1 随机数x = np.random.random((100, 100)) # 取第 42 行 87 列的元素（从零开始）y = x[42, 87]# 取第 k 行的所有元素# 等价于 x[k] 和 x[k, ...]print(x[k, :]) a = np.array([

2017-06-14 20:44:27 37898

原创 NumPy Cookbook 带注释源码十一、NumPy 的底牌

NumPy 的底牌# 来源：NumPy Cookbook 2e Ch11np.random.seed(44) a = np.random.random_integers(-4, 4, 7) print(a) # [ 0 -1 -3 -1 -4 0 -1]# ufunc 的 at 方法可以对数组元素部分调用np.sign.at(a, [2, 4]) print(a) # np.sign.

2017-06-14 20:41:29 38016

原创 NumPy Cookbook 带注释源码十、Scikit 中的乐趣

Scikit 中的乐趣# 来源：NumPy Cookbook 2e Ch10加载示例数据集from __future__ import print_function from sklearn import datasets# datasets.load_? 用于加载不同的数据集print filter(lambda s: s.startswith('load_'), dir(datasets))

2017-06-14 20:38:42 39094

原创 NumPy Cookbook 带注释源码六、NumPy 特殊数组与通用函数

NumPy 特殊数组与通用函数# 来源：NumPy Cookbook 2e ch6创建通用函数from __future__ import print_function import numpy as np# 我们需要定义对单个元素操作的函数def double(a): return 2 * a# frompyfunc（或者 vectorize）# 将其转换为对数组每个元素操作的函数

2017-06-14 20:33:10 37805

原创 NumPy Cookbook 带注释源码五、NumPy 音频和图像处理

NumPy 音频和图像处理# 来源：NumPy Cookbook 2e Ch5将图像加载进内存import numpy as np import matplotlib.pyplot as plt# 首先生成一个 512x512 的图像# 在里面画 30 个正方形N = 512 NSQUARES = 30# 初始化img = np.zeros((N, N), np.uint8) # 正方形

2017-06-12 20:10:59 39242 1

原创 NumPy Cookbook 带注释源码四、连接 NumPy 与剩余世界

连接 NumPy 与剩余世界# 来源：NumPy Cookbook 2e Ch4使用缓冲区协议# 协议在 Python 中相当于接口# 是一种约束import numpy as np import Image # from PIL import Image (Python 3) import scipy.misclena = scipy.misc.lena() # Lena 是 512

2017-06-12 09:24:07 37419

原创 NumPy Cookbook 带注释源码三、掌握 NumPy 常用函数

掌握 NumPy 常用函数斐波那契数的第 n 项# 来源：NumPy Cookbook 2e Ch3.1import numpy as np# 斐波那契数列的每个新项都由之前的两项相加而成# 以 1 和 2 开始，前 10 项为：# 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, ...# 斐波那契数列的通项公式为：# fn = (phi ** n - (-phi) **

2017-06-11 16:59:18 37968

原创 NumPy Beginner's Guide 2e 带注释源码九、使用 Matplotlib 绘图

使用 Matplotlib 绘图# 来源：NumPy Biginner's Guide 2e ch9绘制多项式函数import numpy as npimport matplotlib.pyplot as plt# 创建函数 func = x ** 3 + 2 * x ** 2 + 3 * x + 4# poly1d 根据系数数组创建函数，高项系数在前func = np.poly1d(np.a

2017-06-10 22:15:30 39839

原创计算布林带

计算布林带# coding: utf-8# 作者：Wizard <github.com/wizardforcel>import numpy as npfrom matplotlib import pyplot as pltimport sys# 获取数据# 因为没找到数据源，所以直接随机生成了series = np.random.rand(100) * 10 + 10ser_len =

2017-06-10 17:51:31 40805

原创 NumPy Beginner's Guide 2e 带注释源码三、熟悉 NumPy 常用函数

熟悉 NumPy 常用函数# 来源：NumPy Biginner's Guide 2e ch3读写文件import numpy as np# eye 用于创建单位矩阵i2 = np.eye(2)print i2'''[[ 1. 0.][ 0. 1.]]'''# 将数组以纯文本保存到 eye.txt 中np.savetxt("eye.txt", i2)'''eye.txt:1.

2017-06-10 17:49:41 39599 1

原创 NumPy Beginner's Guide 2e 带注释源码七、NumPy 特殊例程

NumPy 特殊例程# 来源：NumPy Biginner's Guide 2e ch7字典排序import numpy as npimport datetime# 日期转成字符串def datestr2num(s): return datetime.datetime.strptime(s, "%d-%m-%Y").toordinal()# 读取 AAPL 的日期和收盘价# 并转换日期

2017-06-02 19:09:23 38948

原创 NumPy Beginner's Guide 2e 带注释源码六、深入 NumPy 模块

深入 NumPy 模块# 来源：NumPy Biginner's Guide 2e ch6矩阵的逆import numpy as npA = np.mat("0 1 2;1 0 3;4 -3 8")print "A\n", A'''A[[ 0 1 2] [ 1 0 3] [ 4 -3 8]]'''# 求解矩阵的逆，不可逆会报错inverse = np.linalg.inv(

2017-06-01 17:26:23 38531

原创 NumPy Beginner's Guide 2e 带注释源码五、处理 NumPy 矩阵和 ufunc

处理 NumPy 矩阵和 ufunc# 来源：NumPy Biginner's Guide 2e ch5创建矩阵import numpy as np# mat 函数创建矩阵# 空格分割行，分号分隔列A = np.mat('1 2 3; 4 5 6; 7 8 9')print "Creation from string", A'''Creation from string [[1 2 3]

2017-06-01 14:24:50 37440

原创 NumPy Beginner's Guide 2e 带注释源码四、NumPy 便利的函数

NumPy 便利的函数# 来源：NumPy Beginner's Guide 2e ch4交易相关偶对import numpy as npfrom matplotlib.pyplot import plotfrom matplotlib.pyplot import show# 读入 BHP 的收盘价bhp = np.loadtxt('BHP.csv', delimiter=',', useco

2017-06-01 10:34:49 39500