ICode9

精准搜索请尝试: 精确搜索
  • python数据可视化-matplotlib入门(6)-从文件中加载数据2022-04-29 09:01:34

    前几篇都是手动录入或随机函数产生的数据。实际有许多类型的文件,以及许多方法,用它们从文件中提取数据来图形化。 比如之前python基础(12)介绍打开文件的方式,可直接读取文件中的数据,扩大了我们的数据来源。下面,将展示几种方法。 一、我们将使用内置的 csv 模块加载CSV文件 CSV文件

  • python数据处理-matplotlib入门(2)-利用随机函数生成变化图形22022-04-26 06:00:06

     鉴于上一篇中最后三个问题: 1、上述程序是否能进行优化(比如功能相同的) 2、创建三个3个实例,用了3个语句,能否建一个函数,只输入一个数n,就自动创建n个实例?同时,每个实例的num_times随机,(n比较大时,num_times应该比较小) 3、当实现上述功能后,程序运行,只输入一个参数(创建实例的个数),就会自

  • TensorFlow学习报告2022-04-25 18:31:42

    Tensorflow简介 TensorFlow是采用数据流图(data flow graphs)来计算, 所以首先我们得创建一个数据流流图,然后再将我们的数据(数据以张量(tensor)的形式存在)放在数据流图中计算. 节点(Nodes)在图中表示数学操作,图中的边(edges)则表示在节点间相互联系的多维数据数组, 即张量(tensor).训

  • Tensorflow学习报告2022-04-25 18:00:06

    import tensorflow as tf print(tf.__version__) a = tf.constant(2.0) print(a)     #声明一个标量常量 t_1 = tf.constant(2) t_2 = tf.constant(2) #常量相加 t_add = tf.add(t_1,t_2) #一个形如一行三列的常量向量可以用如下代码声明 t_3 = tf.constant([4,3,2]) #定义

  • tensorflow学习报告2022-04-25 16:34:52

    Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算.   数据流图中的图就是我们所说的有向图,我们知道,在图这种数据结构中包含两种基本元素:节点和边.这两种元素在数据流图中有自己各自的作用.   节点用来表示要进行的数学操作,另外,任何一种操作都有输入和输出,因此它

  • TensorFlow读书笔记2022-04-25 01:03:48

    简介 TensorFlow是一个基于数据流编程的符号数学系统,被广泛应用于各类机器学习算法的编程实现。首先创建一个数据流流图,再将数据(以张量的形式存在)放在数据流图中计算。 鸢尾花分类问题 输入:花瓣长、花瓣宽、花萼长、花萼宽输出:三种类别 需要用到损失函数来不断寻找最优值,目的:寻找

  • Tensorflow学习报告2022-04-25 00:34:48

    # -*- coding: utf-8 -*- """ Created on Mon Apr 11 23:34:27 2022 @author: Binnie """ import tensorflow as tf from tensorflow import keras # Helper libraries import numpy as np import matplotlib.pyplot as plt print(tf.__ver

  • TensorFlow 学习报告2022-04-25 00:01:50

    TensorFlow学习报告 1.从张量开始 1.1实际数据转为浮点数   由于浮点数是网络处理信息的方式,因此我们需要一种方法,将我们希望处理的真实世界的数据编码为网络可理解的数据,然后将输出解码为我们可以理解和使用的数据。   深度神经网络通常在不同阶段学习将数据从一种形式转换为

  • 学习报告2022-04-25 00:00:55

    import tensorflow as tf from tensorflow import keras # Helper libraries import numpy as np import matplotlib.pyplot as plt print(tf.__version__) fashion_mnist = keras.datasets.fashion_mnist (train_images, train_labels), (test_images, test_labels) = fas

  • tensorflow学习笔记2022-04-24 23:04:21

    BP-神经网络在fashion分类上的应用   # -*- coding: utf-8 -*-"""Created on Mon Apr 11 19:07:37 2022 @author: ying""" # TensorFlow and tf.kerasimport tensorflow as tffrom tensorflow import keras # Helper librariesimport numpy as npimport ma

  • TensorFlow读书笔记2022-04-24 23:02:20

    TensorFlow读书笔记: TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段。 在构建阶段, op 的执行步骤 被描述成一个图。在执行阶段, 使用会话执行执行图中的 op。  TensorFlow的名字中已经说明了它最为重要的两个特点:Tensor和Flow。其中Tensor意思是张量,可以被简单的理解

  • TensorFlow 学习笔记2022-04-24 22:02:16

    1.TensorFlow介绍 2.TensorFlow基础知识 备注: 使用图 (graph)来表示计算任务. 在被称之为 会话 (Session) 的上下文 (context) 中执行图. 使用 tensor 表示数据. 通过 变量 (Variable) 维护状态. 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中

  • 深度学习--在小型图像数据集上使用预训练的卷积神经网络2022-04-23 19:34:51

    文章目录 前言 一、使用预训练网络 二、将VGG16卷积基实例化 三、使用卷积基进行特征提取 1.不使用数据增强的快速特征提取 2.使用数据增强的特征提取 四、微调模型   前言 想要将深度学习应用于小型图像数据集,一种常用且非常高效的方法是使用预训练网络。 预训练网

  • 机器学习--高维数据降维方法并使用Iris 数据集进行降维演示2022-04-23 12:31:43

    文章目录 前言 一、主成分分析(PCA) 1.说明 2.【例1】基于主成分分析对 Iris 数据集降维: 二、奇异值分解(SVD) 1.说明 2.【例2】基于奇异值分解对 Iris 数据集降维。 三、线性判别分析(LDA) 1.说明 2.【例3】基于线性判别式分析对 Iris 数据集降维 四、局部线性嵌入(LLE) 1.说

  • 无监督学习 Kmeans2022-04-21 11:02:28

    无监督学习 自动对输入数据进行分类或者分群 优点: 算法不受监督信息(偏见)的约束,可能考虑到新的信息 不需要标签数据,极大程度扩大数据样本 Kmeans 聚类 根据数据与中心点距离划分类别 基于类别数据更新中心点 重复过程直到收敛 特点:实现简单、收敛快;需要指定类别数量(需要告诉计算机

  • 逻辑回归2022-04-20 10:32:11

    简介 逻辑回归: 使用了逻辑回归函数对数据进行了拟合就叫逻辑回归?? \[P(x)=\frac{1}{1+e^{-x}}(sigmoid function) \]\[y= \begin{cases}1, & P(x) \geq 0.5 \\ \hline 0, & P(x)<0.5\end{cases} \]其中y为分类结果,P为概率分布,x为特征值。 分类问题的核心就是寻找决策边界。 损失函数

  • 使用机器学习对曲线进行线性回归2022-04-19 20:04:59

    简介 线性回归:根据数据,确定两种或两种以上变量间相互依赖的定量关系 评价曲线的拟合效果使用均方误差和R方值进行拟合质量评估 \[M S E=\frac{1}{m} \sum_{i=1}^{m}\left(y_{i}^{\prime}-y_{i}\right)^{2} \]R方值 \(\left(R^{2}\right)\) : \[R^{2}=1-\frac{\sum_{i=1}^{m}\left(

  • 在MATPool矩池云完成Pytorch训练MNIST数据集2022-04-18 10:32:39

    本文为矩池云入门手册的补充:Pytorch训练MNIST数据集代码运行过程。 案例代码和对应数据集,以及在矩池云上的详细操作可以在矩池云入门手册中查看,本文基于矩池云入门手册,默认用户已经完成了机器租用,上传解压好了数据、代码,并使用jupyter lab进行代码运行。 在MATPool矩池云完成Pytor

  • python-因子分析2022-04-17 14:32:44

    目录1、起源2、基本思想3、因子分析特点4、算法用途5、分析步骤6、应用实例6.1 数据处理6.2 可靠性检验6.3 提取公因子6.4 因子旋转6.5 计算因子得分 1、起源 因子分析最早由英国心理学家C.Spearman发表了第一篇有关因子分析的文章《对智力测验得分进行统计分析》,从中提出的:他发

  • 强撸MIT18.06灰飞烟灭(一)2022-04-17 01:33:19

    第一讲:方程组的几何解释 我们从求解线性方程组来开始这门课,从一个普通的例子讲起:方程组有\(2\)个未知数,一共有\(2\)个方程,分别来看方程组的“行图像”和“列图像”。 有方程组\(\begin{cases}2x&-y&=0\\-x&+2y&=3\end{cases}\),写作矩阵形式有\(\begin{bmatrix}2&-1\\-1&2\end{bmat

  • Python爬取天气数据及可视化分析2022-04-15 16:01:54

    前言 天气预报我们每天都会关注,我们可以根据未来的天气增减衣物、安排出行,每天的气温、风速风向、相对湿度、空气质量等成 为关注的焦点。本次使用python中requests和BeautifulSoup库对中国天气网当天和未来14天的数据进行爬取,保存为csv文件,之 后用matplotlib、numpy、pand

  • 用matplotlib库来绘制常用统计图表2022-04-14 17:03:05

    柱状图 # -*- coding: utf-8 -*- import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 name_list = ['周一','周二','周三

  • plt.subplot()和plt.subplot()2022-04-14 17:02:50

    点击查看代码 # subplot创建单个子图 # subplot(nrows, ncols, sharex, sharey, subplot_kw, **fig_kw) # nrows : subplot的行数 # ncols : subplot的列数 # sharex : 所有subplot应该使用相同的X轴刻度(调节xlim将会影响所有subplot # sharey : 所有subplot应该使用相同的Y轴刻

  • plt.figure()2022-04-14 16:34:32

    点击查看代码 # figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True) # num:图像编号或名称,数字为编号,字符串为名称 # figsize:指定figure的宽和高,单位为英寸 # dpi: 指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80 # facecolor:背景的

  • 【项目实战】pytorch实现逻辑斯蒂回归2022-04-12 16:03:33

    视频指导:https://www.bilibili.com/video/BV1Y7411d7Ys?p=6 一些数据集 在pytorch框架下,里面面有配套的数据集,pytorch里面有一个torchversion的包,他可以提供相应的,比如MNIST这种很基础的数据集,但是安装的时候这些数据集不会包含在包里面,所以需要下载,具体代码以及解释如下: import t

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

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

ICode9版权所有