wqwqhhh-优快云博客

原创用python画玫瑰花

用python画玫瑰花import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfig = plt.figure(figsize=(8,8))ax = fig.gca(projection='3d')# 将相位向后移动了6*pi[x, t] = np.meshgrid(np.array(range(25)) / 24.0, np.arange(0, 575.5, 0.5) /

2021-08-14 14:05:33 4448 5

原创分类问题的交叉验证原理+实现

分类问题的交叉验证原理+实现原理实现最近小论文返修，审稿人要求增加分类算法的交叉验证结果。断断续续花了一个星期时间完成。为避免后续再修改的时候忘记，总结一下交叉验证的原理和实现方法。原理首先要交叉验证，就需要有三个数据集：训练集、测试集和验证集。训练集和测试集是最基本所需，作用不用多说。为什么需要验证集呢，是因为一个测试集的验证能力是有限的，为了验证一个模型的泛化能力，即为了证明一个模型在一个数据集上表现出高精度不是巧合，就需要多个数据集来验证，即交叉验证。一般情况下，在已划分的训练集和测试集的基础

2021-06-29 17:05:02 2613 1

原创 Python索引

数组索引机制指的是用方括号[ ]加序号的形式引用单个数组元素，它的用处很多，比如抽取元素，选取数组的几个元素，甚至为其赋一个新值。（1）整数索引要获取数组的单个元素，指定元素的索引即可。（2）切片索引切片操作是指抽取数组的一部分元素生成新数组。对 python 列表进行切片操作得到的数组是原数组的副本，而对 Numpy 数据进行切片操作得到的数组则是指向相同缓冲区的视图。如果想抽取（或查看）数组的一部分，必须使用切片语法，也就是，把几个用冒号（ start:stop:step ）隔开的数字置于方

2020-10-23 21:15:32 17513

原创 Python数据类型及数组创建

Python数据类型及数组创建1、数据类型python原生数据类型有bool、int、float、str等。numpy在这些类型名称末尾加了"_"。2、数组创建2.1 依据现有数据来创建ndarraydef array(p_object, dtype=None, copy=True, order=‘K’, subok=False, ndmin=0)例如：import numpy as npa = np.array([0, 1, 2, 3, 4])print(a, type(a)) #

2020-10-20 21:26:33 865 1

转载 python读取函数 read_csv 参数

原po:https://blog.youkuaiyun.com/m0_46076716/article/details/107596725

2020-09-18 08:29:41 336

原创 Python安装Keras、Tensorflow

折腾了两天，总算安好了Keras库，找遍了csdn上的帖子，尝试了很多方法，都无果，最后在实验室同学的提醒下去python论坛搜到了正确方法。其实很简单。1、打开Anaconda Prompt，输入pip install tensorflow2、等待下载完成，当出现最后一行字的时候就表示tensorflow安装成功了3、下一步输入pip install keras同样，当出现successfully installed的时候就安装完成了。然后打开Spyder或者Jupyter Notebook

2020-09-17 17:00:52 9680

原创支持向量机学习笔记

一、什么是支持向量支持向量机是一种二分类模型，距离超平面最近的且满足一定条件的几个训练样本点被称为支持向量。例如图中通过一条直线将五角星和圆分开，通过直线两侧的虚线的三个样本即为支持向量。二、支持向量机的推导给定线性可分训练数据集，通过间隔最大化得到的分离超平面为：y(x)=wTϕ(x)+by(x)=w^T\phi(x)+by(x)=wTϕ(x)+b目标函数为：argw,bmax1∣∣w∣∣min[yi(wTϕ(xi)+b)]arg_{w,b}max{\frac{1}{||w||}min[y_i

2020-08-26 22:46:04 207

原创决策树和随机森林学习笔记

决策树和随机森林学习笔记1、决策树决策树是一种描述对实例进行分类的树形结构。每一次分叉都表示一次特征选择和依据选择的特征进行分一次类。其向下分类的依据为信息熵变小。图中圆和方框分别表示根节点和叶节点。划分到最后叶节点层的信息熵接近于0是理想情况，但一般不能为0，为0可能会出现在训练集上过拟合的现象。1.1、信息熵、条件熵对样本X，其信息熵的定义为：H(X)=−∑i=1np(xi)lnp(xi)H(X)=-\sum_{i=1}^np(x_i)lnp(x_i)H(X)=−∑i=1np(xi)l

2020-08-22 21:25:51 186

原创基于逻辑回归的分类预测学习笔记

基于逻辑回归的分类预测学习笔记一、逻辑回归简述1、sigmoid函数功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入一、逻辑回归简述逻辑（Logistic）回归是一种二分类算法，虽然叫做“回归”，但是是属于分类算法。本质上是一

2020-08-20 15:06:01 273

jjkeyangou的博客