学渣的博客

对numpy基本函数操作进行了整理，掌握这些便可以算是入了个门，基本全部敲一遍就掌握差不多了！开发环境为jupyter notebook 基本是一个输入一个输出 需要源码的可以去我的github下载import numpy as np# 读文件的操作 分隔符为逗号 类型是strworld_alcohol = np.genfromtxt('world_alcohol.txt', de

　　在学习了matplotlib之后便紧跟着开始seaborn的学习，seaborn是对matplotlib的进一步封装，令我们的绘图操作进一步简化，使用seaborn我们便可以简单的绘制出风格迥异的图例，是我们数据展示的利器。　 　　我们从seaborn的风格转换开始入门学习，以绘制正弦函数为例。 　　首先在正常的matplotlib中我们绘制一组正弦函数的曲线，代码如下： 　　i...

学习了seaborn的基本风格操作设置之后我们便操作seaborn学习直方图、散点图的绘制方法，以及对数据进行回归分析的方法(本文使用jupyter notebook为开发环境)。直方图的绘制 首先我们导入必须的包以及matplotlib的魔法方法，使得我们绘制的图象能直接显示；并为随机数设置种子，使得每次执行相同方法产生相同的随机数。import numpy as npimp...

还是使用jupyter notebook作为开发环境，首先引入所必须的包以及对环境进行相应设置。import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inline# 调用魔法方法 使得...

*上一篇是理论知识、背景介绍以及大体的实现方向，这一篇是具体代码实现代码编写我们的功能模块：写出sigmoid函数，返回被录取的概率，即映射到概率g(z)=11+e−zg(z)=11+e−zg(z) = \frac{1}{1+e^{-z}} 写出model函数，返回预测结果值，即X（样本值）与theta的矩阵相乘结果(θ0θ1θ2)×⎛⎝⎜1x1x2...

引入主成分分析（PCA）是一种常见的数据分析方法，通过该方法我们可以对数据进行降维操作，并且保留方差较大（信息量大）的维度。为了引入相关概念，我们先看一组数据：import pandas as pdimport numpy as npimport matplotlib.pyplot as plt%matplotlib inline# 总共十个样本 每个样本有两个特征值data = ...

笔者感觉numpy、tensorflow中的随机函数有些杂，用的时候总是不知道用哪一个，所以在本篇博客中对其进行一个简单的总结。numpy的随机函数我们可以利用numpy随机（random）模块生成我们想要的随机序列或进行一系列随机操作。常用api如下：np.random.randint(a, b)该函数用于生成一个指定范围 [a，b] 的整数。np.random.randn(d0,d...