tangzhihui520的博客

import numpy as npimport pandas as pdimport timenp.random.seed(2) # reproducibleN_STATES = 6# the length of the 1 dimensional worldACTIONS = [ 'Left','right']# available actionsEPSILON = 0.9# greedy policeALPHA = 0.1# learning rateGAMMA = 0.9

#bagging回归 波斯顿房价预测from sklearn.datasets import load_bostonboston = load_boston()from sklearn.model_selection import train_test_splitX = boston.datay = boston.targetX_train,X_test,y_train,y_test = train_test_split(X,y,random_state=33,test_size=0.2

import matplotlib.pyplot as pltimport numpy as npimport pandas as pddef nomalizeData(X): return (X - X.mean(axis=0))/X.std(axis=0)def zeroMean(dataMat): meanVal=np.mean(dataMat,axis=0) newData=dataMat-meanVal return newData,meanValde

import pandas as pd#第一步数据读取data = pd.read_csv('IrisData.csv')data.colums = ['sepal_len','sepal_wid','petal_len','petal_wid','classes']#第二步提取特征X = data[['sepal_len','sepal_wid','petal_len','petal_wid']].valuesy = data['classes'].valuesfeature_names

结合这三幅图即可一二下载地址：graphviz官方下载地址安装的时候选择第三个自动配置环境变量三

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltpath = 'Logisticdata1.txt' #相对路径data = pd.read_csv(path, header=None, names=['First', 'Second', 'Admission'])'''观察数据'''positive = data[data['Admission'].isin([1])]negative = data

Python之深度学习3列一：求一个6*6的二维数组以十整数整数的加。这样无疑是最简单的(一) 开始我们的二维数组的存储，那么问题来了怎么读出二维数组得数据，一样！跟一维数组一样！话不多说 pick picture~(二) 也可以这么写(三) 也可以这么写(四) 需要注意的是:通过[ ] 与[ [ ] ]获取的数组并不相同！！！a[1]是一个一维数组a[[1]]是一个二维数组...

Python之深度学习读取元素：数据的存储与读写其实这与Python的列表或元组一样，我们在都进行数据的存储这里主要讲数组的存储。学过python的知道这与列表无异：3.但是跟列表不同的是数据的存储方式不一样，列表是拷贝复制而数组是共享同一块数空间 ...

Python深度学习创建数组标准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间.函数库numpy的导入import numpy as np通过array函数传递python的序列对象来创建数组，如果传递的是多层嵌套的序列，将创建多维数组Shape属性(一) 在python中有

Python之机械学习：下载必要的安装包查看自己已安装的库：pip list --可以查看自己所有安装的库及版本安装numpy库：在官网下载numpy包到自己python的安装地址Numpy库官网链接: 下载地址.注意：下载与自己python对应的版本，文件格式一般是.whlWin+R 打开cmd 命令框：where python 就可找到python的安装地址，找到script 文件夹，放在该文件夹内即可。最后一步：在cmd里cd 到script目录再pip install numpy-

python之机械学习题3求损失函数的关系图# -*- coding: utf-8 -*-import numpy as npimport matplotlib.pyplot as pltx_data=[1,2,3]y_data=[2,4,6]#定义初始函数def fun(x,w): return x*w#定义损失函数def loss(x,y): y_pred = fun(x,w) return (y_pred -y)**2#权重准备空列表w_li

import numpy as npfrom matplotlib import pyplot as pltx = np.arange(1,11)y = 2*xplt.title("Matplotlib demo")plt.xlabel("x axis")plt.ylabel("y axis")plt.plot(x,y,color='red',linewidth=2)plt.show()

用Spyder求代价函数// An highlighted block# -*- coding: utf-8 -*-"""Spyder EditorThis is a temporary script file."""import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']data = np.loadtxt('C:/Users/Administrato