python
文章平均质量分 68
zhaoyuxia517
这个作者很懒,什么都没留下…
展开
-
python单例模式
class Singleton(object): __instace = None __isInit = False def __new__(cls, *args, **kwargs): if not __instance: cls.__instace = super().__new__(cls) return cls._...转载 2021-12-13 19:24:58 · 641 阅读 · 0 评论 -
Numpy 入门教程
转自http://blog.csdn.net/liyuanbhu/article/details/28611429转自http://blog.csdn.net/liyuanbhu/article/details/28870439翻译自官方文档Tentative NumPy Tutorial,有删节。Numpy 入门教程NumPy 提供了对多维数组的支持,与Pyt转载 2017-10-07 15:19:13 · 347 阅读 · 0 评论 -
Python 列表生成式(List Comprehensions)
转自http://blog.csdn.net/yizheyouye/article/details/50638895列表生成式即List Comprehensions,是Python内置的非常简单却强大的可以用来创建list的生成式。举个例子,要生成list [1,2,3,4,5,6,7,8,9,10]可以用list(range(1, 11)):>>> list(r转载 2017-10-07 15:22:03 · 585 阅读 · 0 评论 -
sklearn中聚类(部分)
下图为主要介绍的几个聚类方法:1、 k均值(K-means)▲在指定n个类别后,最小化类别中样本到类别均值样本的距离,公式如下:其中,Ci为划分,ui为每个划分的均值向量,k=n。K-均值是相当于一个小、 全等、 对角协方差矩阵的期望最大化算法。▲该方法有以下缺点:有个前提:集群是凸和各向同性的。对长条形、流行以及不规则形的集群响应不好。转载 2017-09-30 09:24:27 · 4089 阅读 · 0 评论 -
Python数据分析之pandas学习
Python中的pandas模块进行数据分析。接下来pandas介绍中将学习到如下8块内容:1、数据结构简介:DataFrame和Series2、数据索引index3、利用pandas查询数据4、利用pandas的DataFrames进行统计分析5、利用pandas实现SQL操作6、利用pandas进行缺失值的处理7、利用pandas实现Excel的数据透视表功转载 2017-09-30 16:58:11 · 536 阅读 · 0 评论 -
python中matplotlib的颜色及线条控制
转载请注明出处:http://www.cnblogs.com/darkknightzh/p/6117528.html参考网址:http://stackoverflow.com/questions/22408237/named-colors-in-matplotlibhttp://stackoverflow.com/questions/8409095/matplotl转载 2017-10-02 17:32:13 · 1147 阅读 · 0 评论 -
k-means+python︱scikit-learn中的KMeans聚类实现( + MiniBatchKMeans)
来源“素质云博客”之前一直用R,现在开始学python之后就来尝试用Python来实现Kmeans。 之前用R来实现kmeans的博客:笔记︱多种常见聚类模型以及分群质量评估(聚类注意事项、使用技巧)聚类分析在客户细分中极为重要。有三类比较常见的聚类模型,K-mean聚类、层次(系统)聚类、最大期望EM算法。在聚类模型建立过程中,一个比较关键的问题是如何评价聚类结果转载 2017-10-12 16:27:52 · 7870 阅读 · 0 评论 -
你所不知道的Python奇技淫巧
有时候你会看到很Cool的Python代码,你惊讶于它的简洁,它的优雅,你不由自主地赞叹:竟然还能这样写。其实,这些优雅的代码都要归功于Python的特性,只要你能掌握这些Pythonic的技巧,你一样可以写出像诗一样的Python代码。1.导入模块你是不是经常对调用模块时输入一长串模块索引感到头疼?说实在的,数量少的时候或许还可以勉强忍受,一旦程序规模上去了,这也是一项不转载 2017-10-12 16:30:43 · 322 阅读 · 0 评论 -
Scikit-learn 1.13.Feature selection
1.13.1 移除低方差的特征 VarianceThreshold方法布尔类型特征是Bernoulli随机变量,方差为:Var[X]=p(1-p)举例,阈值:.8*(1-.8)>>> from sklearn.feature_selection import VarianceThreshold>>> X = [[0, 0, 1], [0, 1, 0], [1, 0, 0], [0, 1, 1]翻译 2018-01-19 18:03:03 · 339 阅读 · 0 评论 -
python安装包
转自http://blog.csdn.net/qq_35203425/article/details/78369219本人做机器学习,需要安装statsmodels、sklearn、matplotlib这些包,但是开始在python2.7环境下,matplotlib包安装后一直出现错误,可能是因为版本不对,接着转向python3.6.到python3.6环境下matplotlib包很好转载 2018-02-05 10:36:33 · 385 阅读 · 0 评论 -
Python中的Numpy入门教程
导入numpy,numpy.array方法,指定数据类型dtype=np.int32,numpy.arange方法,numpy.linspace方法,numpy.zeros,numpy.ones,numpy.eye等方法,获取数组的属性a.ndim #数组的维数,a.shape #数组每一维的大小, a.size #数组的元素数, a.dtype #元素类型,a.itemsize #每个元素所占的字节数,数组索引,切片,赋值,使用for操作元素。基本的数组运算,构造,加减乘除,自带的方法,转载 2017-10-07 15:11:41 · 337 阅读 · 0 评论 -
numpy 常用操作
创建数组np.array,变形shape,拉直ravel,随机生成np.random.randn(2,3),拼接np.vstack,np.hstack,对应元素相乘A * B,矩阵乘法np.dot(A, B) # 或者 A.dot(B),转置A.transpose(),逆矩阵 linalg.inv(A),# 特征值和特征向量eigenvalues, eigenvectors = linalg.eig(A)转载 2017-10-07 14:38:44 · 385 阅读 · 0 评论 -
python numpy 基础教程
Numpy简单介绍1.Numpy是什么很简单,Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy、matplotlib一起使用。其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数。如果接触过matlab、scilab,那么numpy很好入手。 在以下的代码示例中,总是先导入了numpy:(通用做法import numpu a转载 2017-10-07 14:33:02 · 363 阅读 · 0 评论 -
Python开源机器学习框架:Scikit-learn入门指南
本文作者:恒亮2017-01-22 10:23导语:基于SciPy的众多分支版本中,最有名,也是专门面向机器学习的就是Scikit-learn。本文将简单介绍Scikit-learn框架的六大功能,安装和运行Scikit-learn的大概步骤,同时为后续各更深入地学习Scikit-learn提供参考。原文来自infoworld网站的特约撰稿人Martin Hel转载 2017-09-25 10:21:37 · 877 阅读 · 0 评论 -
基于小波变换的时间序列预测,Python实现,来自雪球,
作者:量化哥-优矿Uqer链接:https://xueqiu.com/4105947155/67920429?page=1来源:雪球基于小波变换的时间序列预测本文的主题是考察小波变换在预测方面的应用。思路将数据序列进行小波分解,每一层分解的结果是上次分解得到的低频信号再分解成低频和高频两个部分。如此进过N层分解后源信号X被分解为:X = D1 + D2 +转载 2017-09-16 19:17:03 · 46578 阅读 · 24 评论 -
学习An introduction to machine learning with scikit-learn笔记
主要以翻译为主:内容:介绍相关词汇,并给出例子Machine learning: the problem setting通常用n个数据样本,试图预测未知样本的特性。每个样本包含多个数据,则含有多个属性或特征、可以把机器学习分为几个大类:有监督学习:数据包含我们想预测的属性(链接跳转到scikit-learn监督学习页),可继续分为:分类(一个例子是手写数字识别示例)原创 2017-09-25 10:41:21 · 349 阅读 · 0 评论 -
anaconda2 打开jupyter Notebook及简单使用
Anaconda集成了NumPy,Pandas, matplotlib, scikit-learn,jupyter notebook等很多的工具包。在安装上简便很多。 一,修改起始路径配置: 安装了anaconda后,查看电脑的开始下的所有程序,anaconda下已经安装了jupyter notebook: 打开jupyter notebook: 没有跳转到jupyte转载 2017-09-25 15:49:00 · 3433 阅读 · 0 评论 -
基于小波变换的时间序列预测
思路将数据序列进行小波分解,每一层分解的结果是上次分解得到的低频信号再分解成低频和高频两个部分。如此进过N层分解后源信号X被分解为:X = D1 + D2 + ... + DN + AN其中D1,D2,...,DN分别为第一层、第二层到等N层分解得到的高频信号,AN为第N层分解得到的低频信号。本文方案为对D1,D2...DN和AN分别进行预测,然后进行小波重构实现对源信号的预测。步骤如下:(1)对转载 2017-09-17 08:14:19 · 8500 阅读 · 0 评论 -
Jupyter Notebook 快速入门
Jupyter Notebook(此前被称为 IPython notebook)是一个交互式笔记本,支持运行 40 多种编程语言。在本文中,我们将介绍 Jupyter notebook 的主要特性,以及为什么对于希望编写漂亮的交互式文档的人来说是一个强大工具。在开始使用 notebook 之前,我们先需要安装该库。你可以在 Jupyter 官网上找到完整的步骤。译者注:其实只要转载 2017-09-25 15:54:58 · 572 阅读 · 0 评论 -
Scikit-learn使用总结
在机器学习和数据挖掘的应用中,scikit-learn是一个功能强大的python包。在数据量不是过大的情况下,可以解决大部分问题。学习使用scikit-learn的过程中,我自己也在补充着机器学习和数据挖掘的知识。这里根据自己学习sklearn的经验,我做一个总结的笔记。另外,我也想把这篇笔记一直更新下去。作者:Cer_ml链接:http://www.jianshu.com/p/转载 2017-09-26 09:58:32 · 615 阅读 · 0 评论 -
Python3常用内置函数
转自博客园:http://www.cnblogs.com/Lands-ljk/p/5753748.html数学相关abs(a):求取绝对值。abs(-1)max(list):求取list最大值。max([1,2,3])min(list):求取list最小值.min([1,2,3])sum(list):求取list元素的和.sum([1,2,3])>>>6sorted转载 2017-09-26 20:28:34 · 437 阅读 · 2 评论 -
用scikit-learn和pandas学习线性回归
来源:刘建平Pinardhttp://www.cnblogs.com/pinard/p/6016029.html对于想深入了解线性回归的童鞋,这里给出一个完整的例子,详细学完这个例子,对用scikit-learn来运行线性回归,评估模型不会有什么问题了。1. 获取数据,定义问题 没有数据,当然没法研究机器学习啦。:) 这里我们用UCI大学公开的机器转载 2017-09-27 08:02:44 · 740 阅读 · 1 评论 -
报错 ImportError: No module named model_selection 的解决办法
win10下运行了一段Python代码,出现了报错, 报错是ImportError: No module named model_selection。我定位代码到import sklearn.model_selection,我才知道原来我没有这个model。我在网上找了一下解决方法,原来是scikit-learn的版本太低。在anaconda中通过命令行查看sklearn的版本为 0.17转载 2017-09-28 08:53:10 · 1706 阅读 · 0 评论 -
机器学习算法-梯度树提升GTB(GBRT)
本文由拾毅者发布于http://blog.csdn.net/dream_angel_z/article/details/48085889,转载请注明出处,如果有问题,请联系:csu.ldw@csu.edu.cnIntroduction决策树这种算法有着很多良好的特性,比如说训练时间复杂度较低,预测的过程比较快速,模型容易展示(容易将得到的决策树做成图片展示出来)等。转载 2017-09-25 08:33:35 · 972 阅读 · 0 评论