ICode9

精准搜索请尝试: 精确搜索
  • matplotlib显示图表图例2022-06-25 19:02:19

    1、plt.show()会显示所有的图形   2、图例legend() 图例是集中于地图一角或一侧的地图上各种符号和颜色所代表内容与指标的说明    图例的位置默认是不遮盖底图线条,但是也可以自己定位      

  • matplotlib数据可视化2022-06-25 13:33:15

    第一步:导入图像处理库 第二步:导入numpy包,用于数组的处理 第三步:绘制想要的函数图像 第四步:展示图象   Matplotlib的基本方法:      1、图像上显示图像标题名称 plt.title("图像标题") 默认是不支持中文的,如果图像标题上想显示中文,则需要字体配置 plt.rcParams["font.sans-

  • sns中的displot的模仿2022-06-24 20:32:03

    弗里德曼-迪亚科尼斯规则 在统计学中,Freedman-Diaconis规则用于确定直方图中的条柱宽度, 它以David A.Freedman和Persi Diaconis的名字命名。该规则定义: \[条柱宽度 = 2 \times \frac{IQR}{\sqrt[3]{n}} \]其中,IQR是四分位距,n是观测样本数目。 import numpy as np import pandas a

  • 基于LSTM的多变量多输出温湿度预测2022-06-24 18:34:30

    基于LSTM的多变量多输出温湿度预测 1、模块导入 import tensorflow as tf import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np import os import pandas as pd import seaborn as sns from sklearn.model_selection import train_test_split from skle

  • 量化交易 - matplotlib画candle图2022-06-21 17:05:55

        需要mplfinance包  pip install mplfinance --upgrade   from matplotlib import style import pandas as pd import mplfinance as mpf import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.un

  • python数据分析与挖掘期末复习2022-06-19 19:03:59

    一、简答题 1.数据挖掘的基本任务 包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法,帮助企业提取数据中蕴含的商业价值,提高企业的竞争力。 2.数据挖掘建模的过程 目标定义——》数据采集——》数据整理——》构建模型——》模型评价——》模型发布 3.

  • python 数据分析2022-06-19 15:34:53

    基本环境安装 安装Anaconda Matplot绘图架构 Scripting(脚本) -> Artist(美工) -> Backend(后端) 折线图 点击查看代码 import matplotlib.pyplot as plt import random plt.rcParams['font.sans-serif'] = ['SimHei'] plt.figure(figsize=(20,8),dpi=80) # 绘图区域 创建大

  • Python用RNN循环神经网络:LSTM长期记忆、GRU门循环单元、回归和ARIMA对COVID-19新冠疫情新增人数时间序列预测2022-06-18 21:00:47

    原文链接:http://tecdat.cn/?p=27042 原文出处:拓端数据部落公众号 该数据根据世界各国提供的新病例数据提供。 获取时间序列数据 df=pd.read_csv("C://global.csv") 探索数据 此表中的数据以累积的形式呈现,为了找出每天的新病例,我们需要减去这些值 df.head(10)   这些数据是根

  • 一元线性回归的Python实现2022-06-17 17:36:32

    目录1 问题的提出2 原理2.1 代价函数2.2 模型的评价2.2.1 皮尔逊相关系数2.2.2 决定系数3 Python 实现3.1 不调sklearn库3.2 调 sklearn 库4 梯度下降法4.1 原理4.2 Python实现参考 1 问题的提出 对于给定的数据集 \(D = \{(x_1,y_1),(x_2,y_2),\cdots,(x_m,y_m)\}\),线性回归 (lin

  • MAC系统, MATPLOTLIB、SEABORN中文乱码问题2022-06-11 01:03:10

    import matplotlib.pyplot as plt import seaborn as sns plt.rcParams['font.family'] = ['Arial Unicode MS'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 sns.set_style('whitegrid',{'font.san

  • 机器学习实验2022-06-09 19:35:18

    目录实验二 线性回归实验三 Logistic回归————LR_iris.py *实验四 支持向量机SVM————SVM.py *实验五 生成式分类器————PCALDA.py*实验六 决策树实验八 神经网络————letnet.py *实验九 降维————DR_Mnist.py * 实验二 线性回归 一、实验目的 掌握数据预处理

  • 特征工程(二)数据转换2022-06-09 16:36:54

    数据科学项目中少不了要用到机器学习算法。通常每种算法都会对数据有相应的要求,比如有的算法要求数据集特征是离散的,有的算法要求数据集特征是分类型的,而数据集特征不一定就满足这些要求,必须依据某些原则、方法对数据进行变换。 2.1 特征的类型 特征的类型由其所有值的集合决定,通

  • matplotlib可视化系列之【缩放和投影】2022-06-07 16:37:30

    有时候,我们将数据变换之后再绘图,一方面,可以突出某些区域的数据;另一方面,变换之后可以更好的看出数据之间的关系。 matplotlib 提供了两种变换数据的方式,一种是 Scale(缩放),一种是Projection(投影)。 Scale是对数据的一个维度进行变换,Projection则是对2个或者2个以上的维度进行变换。 Sc

  • 2022春季 哈工大 硕士算法设计与分析 实验三 近似算法2022-06-07 09:04:33

              贪心思想: 每次选取未覆盖元素最多的子集 线性规划思想: 以0-1线性规划解整数规划,将结果变量的取值大于1/f的对应子集放入C中 可证明C为可行解且近似比为f   import random import matplotlib.pyplot as plt from pulp import * import time Numbers = None X

  • plt.scatter()函数2022-06-06 10:01:49

    函数: matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs) 参数的解释: x,y:表示的是大小为(n,)的数组,也就是我们即将绘制散点图的数

  • 20204323 《Python程序设计》实验四报告2022-06-01 00:01:02

    20204323 太晓梅 《Python程序设计》 实验4报告 课程:《Python程序设计》 班级: 2043 姓名: 太晓梅 学号:20204323 实验教师:王志强 实验日期:2022年5月4日 必修/选修: 公选课 1.实验要求 Python综合应用:爬虫、数据处理、可视化、机器学习、神经网络、游戏、网络安全等。 课代表和各小组

  • 神经网络与深度学习(邱锡鹏)编程练习 2 实验1 线性回归的参数优化 - 最小二乘法2022-05-30 14:32:47

    实验结果:   源代码: import numpy as np import matplotlib.pyplot as plt def load_data(filename): # 载入数据 xys = [] with open(filename, 'r') as f: for line in f: xys.append(map(float, line.strip().split())) xs, ys

  • 神经网络与深度学习(邱锡鹏)编程练习 2 题目解析2022-05-30 11:34:43

    线性回归的参数优化: 先完成最小二乘法的优化 (参考书中第二章 2.3中的公式) 再完成梯度下降法的优化 (参考书中第二章 2.3中的公式) 不同的基函数实现: 多项式基函数 高斯基函数 函数: 载入数据:load_data(filename) 基函数: identity_basis(x) multinomial_basis(x, feature_nu

  • 【713】骨架图矢量化实现2022-05-29 21:32:52

    参考:骨架矢量化sknw源码研读 代码: from skimage.morphology import skeletonize from skimage import data import sknw import numpy as np import matplotlib.pyplot as plt # 骨架提取 img = data.horse() ske = skeletonize(~img).astype(np.uint16) # 矢量化调用函数

  • 【712】shapely line快速显示2022-05-29 21:01:14

    参考:Python shapely 线缓冲区分析与显示 from shapely.geometry import Point, Polygon, LineString import matplotlib.pyplot as plt line = LineString([(0.1, 0.1), (2, 3)]) x1,y1=line.xy plt.figure() plt.plot(y1,x1) plt.show()    

  • 20214302《Python程序设计》实验四 Python综合实践实验报告2022-05-29 09:01:32

    20214304《Python程序设计》实验四 Python综合实践实验报告   课程:《Python程序设计》 班级: 2143 姓名: 单宇航 学号: 20214302 实验教师:王志强 实验日期:2022年5月27日 必修/选修:公选课   一、实验内容 1.实验题目: Python综合应用:爬虫、数据处理、可视化、机器学习、神经网络、游

  • 声学感知刻度(mel scale、Bark scale、ERB)与声学特征提取(MFCC、BFCC、GFCC)2022-05-28 20:04:51

    梅尔刻度   梅尔刻度(Mel scale)是一种由听众判断不同频率 音高(pitch)彼此相等的感知刻度,表示人耳对等距音高(pitch)变化的感知。mel 刻度和正常频率(Hz)之间的参考点是将1 kHz,且高于人耳听阈值40分贝以上的基音,定为1000 mel。在大约500 Hz以上,听者判断越来越大的音程(interval)

  • OpenCV-图像的基础操作2022-05-24 15:01:54

    OpenCV-图像的基础操作 学习目标 掌握图像的读取和保存方法 能够使用OpenCV在图像上绘制几何图形 能够访问图像的像素 能够获取图像的属性,并进行通道的分离和合并 能够实现颜色空间的变换 1 图像的IO操作 这里我们会给大家介绍如何读取图像,如何显示图像和如何保存图

  • 展示一些训练图像2022-05-21 13:35:26

    展示一些训练图像 import matplotlib.pyplot as plt import numpy as np # functions to show an image def imshow(img): img = img / 2 + 0.5 # unnormalize npimg = img.numpy() plt.imshow(np.transpose(npimg, (1, 2, 0))) plt.show() # get some r

  • Python equivalent to 'hold on' in Matlab2022-05-20 21:34:41

    Python equivalent to 'hold on' in Matlab - Stack Overflow Is there an explicit equivalent command in Python's matplotlib for Matlab's hold on? I'm trying to plot all my graphs on the same axes. Some graphs are generated inside a

专注分享技术,共同学习,共同进步。侵权联系[admin#icode9.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有