2. 程式人生 > >機器學習(三) Jupyter Notebook, numpy和matplotlib的詳細使用 (上)

機器學習(三) Jupyter Notebook, numpy和matplotlib的詳細使用 (上)

阿新 • • 發佈：2018-08-24
算法 chang chan 合並 單元格 indexing 分享 相關 lib

工欲善其事，必先利其器。在本章，我們將學習和機器學習相關的基礎工具的使用：Jupyter Notebook, numpy和matplotlib。大多數教程在講解機器學習的時候，大量使用這些工具，卻不對這些工具進行系統講解。我特意添加了這個章節，讓同學們在後續編寫機器學習算法的過程中，更加得心應手！

一、Jupyter Notebook基礎

a--b：在Jupyter Notebook 選中的內容上面添加單元格------ 下面添加單元格

y: change cell to code m: change cell to markdown Kemel --> Restart&Run All 重新啟動運行代碼
 優勢：幫助我們存儲我們之前代碼寫的變量。以交互的方式完成我們整個編程過程

二、 Jupyter Notebook中的魔法命令

魔法命令：%run %timeit %time

技術分享圖片

技術分享圖片

三、Numpy數據基礎

四、創建Numpy數組(和矩陣)

五、 Numpy數組(和矩陣)的基本操作

六、 Numpy數組(和矩陣)的合並與分割

七、Numpy中的矩陣運算

八、Numpy中的聚合運算

九、Numpy中的arg運算

十、Numpy中的比較和Fancy Indexing

十一、Matplotlib數據可視化基礎

十二、數據加載和簡單的數據探索

機器學習(三) Jupyter Notebook, numpy和matplotlib的詳細使用 (上)

相關推薦

機器學習(三) Jupyter Notebook, numpy和matplotlib的詳細使用 (上)

算法 chang chan 合並 單元格 indexing 分享 相關 lib 工欲善其事，必先利其器。在本章，我們將學習和機器學習相關的基礎工具的使用：Jupyter Notebook, numpy和matplotlib。大多數教程在講解機器學習的時候，大量使用這些工

機器學習入門之使用numpy和matplotlib繪制圖形

作用 應該 方式 9.png 5.1 環境 就是 清華大學 圖1 　　機器學習當中能深入淺出的方法第一步就是先學會用numpy了。numpy是一個第三方的開源python庫，他提供了許多科學的數值計算工具，尤其是大型矩陣計算，但使用配置非常簡單，結合matplotlib能夠

機器學習之numpy和matplotlib學習（十五）

今天來學習矩陣的建立和一些基本運算 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : SundayCoder-俊勇 # @File : numpy7.py import numpy as np # numpy基

機器學習之numpy和matplotlib學習（十四）

今天繼續來講numpy中的一些基本函式使用。 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : SundayCoder-俊勇 # @File : numpy6.py import numpy as np # n

機器學習之numpy和matplotlib學習（十三）

今天來學習numpy讀取檔案和儲存檔案的兩個函式。 因為後面的機器學習我們需要從各種檔案之中載入資料到numpy中，所以這兩個函式尤為重要，我對這兩個函式的每個引數都有詳細講解，但是還是希望大家親自試一下。 本次的eye1.txt檔案由程式自動建立，eye2.txt檔案需要我們自己建

機器學習之numpy和matplotlib學習（十二）

今天主要來學習numpy中的一些特殊矩陣的建立，他們在機器學習中有很大的作用 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : SundayCoder-俊勇 # @File : numpy4.py import

機器學習之numpy和matplotlib學習（十一）

今天繼續來學習numpy。 學習有關複數矩陣在numpy中的建立和使用。 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : SundayCoder-俊勇 # @File : numpy3.py import

機器學習之numpy和matplotlib學習（十）

今天繼續來學習numpy。 學習一件事情最重要的是持之以恆，我自己也知道這個部落格系列應該不會有很多人觀看和學習。 我自己覺得看視訊相對於看書學的快一些。 但是無論哪一種學習形式，你必須要自己動手實踐。 以後我儘量在程式碼裡面進行講解，大家直接看程式碼註釋就可以。 talk i

機器學習之numpy和matplotlib學習（九）

這節課我們來學習numpy的一些基本的操作和屬性。 為什麼這樣安排學習課程呢？ 我覺得這樣交叉學習，使用到什麼的時候就去檢視，對於numpy也好還是matplotlib的學習也好。 他們的內容有很多，要想全部掌握還是很難的，只有不斷的自己去實踐，遇到什麼不知道的問題就去學習。 而

機器學習之numpy和matplotlib學習（八）

今天來學習第四種畫子圖的方法。 也就是plt.subplots( ).注意區別於plt.subplot( )函式。 先來看看程式碼： #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : SundayCoder-俊勇

機器學習之numpy和matplotlib學習（七）

今天我們來學習第三種畫子圖的方法。 主要使用到的模組是matplotlib.gridspec 學習過程請參考程式碼裡面的註釋： 全部程式碼如下： #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : SundayC

機器學習之numpy和matplotlib學習（二）

第二天更新 今天我們來學習怎麼使用matplotlib和numpy來做一個簡單的影象。 先從程式碼入手，程式碼介紹如下： 我們要做一個y=x*x的影象，也就是初中經常學的一元二次函式的影象。 x

機器學習之numpy和matplotlib學習（一）

整個教程有參考網上其他一些大牛的看法，總體的教學應該是從numpy和matplotlib開始教學，然後最後進入SK-learn學習，整個課程的程式碼之後會推送到github上面去。對於教程，採用程式碼註

機器學習繪圖（numpy和matplotlib庫）

yuanwen: http://blog.csdn.net/crossky_jing/article/details/49466127 scikit-learn 練習題 題目：Try classifying classes 1 and 2 from the iris dataset with SVMs, wi

【Python 學習記錄】 3.安裝第三方庫,numpy和matplotlib與簡單製圖

造輪子是不可能造的,就只有等別人造好了,偷個懶拿過來用這樣子才過的下去 1.Windows下使用pip安裝官方源中的第三方庫 Python的開源氛圍很好,官方提供了PyPI這樣的第三方庫索引網站,幾乎所有主流的第三方庫都會在此註冊.並且python提供了官方下

Python學習之Jupyter Notebook和highchart安裝

執行環境 Win10 64位 + Python3.6.0 一、安裝網頁端編譯器Jupyter Notebook 在cmd輸入pip3 install jupyter 在cmd輸入jupyter notebook,啟動jupyter notebook，然後會跳轉到網頁，

機器學習實戰(用Scikit-learn和TensorFlow進行機器學習)(三)

  上一節講述了真實資料（csv表格資料）訓練集的檢視與預處理以及Pineline的基本架構。今天接著往下進行實戰操作，會用到之前的資料和程式碼，如果有問題請檢視上一節。 三、開始實戰 7、選擇及訓練模型   首先嚐試訓練一個線性迴歸模型（Line

機器學習三--分類--鄰近取樣（Nearest Neighbor）

post 個數 均衡 urn learning clas 根據 () end 最鄰近規則分類 K-Nearest Neighbor 步驟： 　　1、為了判斷未知實例的類別，以所有已知類別的實例作為參考。 　　2、選擇參數K。 　　3、計算未知實例與所有已知實例的距離。 　　

機器學習（七）—Adaboost 和 梯度提升樹GBDT

獲得 決策樹 info gin 否則 它的 均方差 但是 ont 1、Adaboost算法原理，優缺點： 　　理論上任何學習器都可以用於Adaboost.但一般來說，使用最廣泛的Adaboost弱學習器是決策樹和神經網絡。對於決策樹，Adaboost分類用了CART分類樹，

機器學習，流式IoT和醫療設備互聯

sched 尋找 研究所 可能 iges 維護 狀況 ted cti 歡迎大家前往騰訊雲+社區，獲取更多騰訊海量技術實踐幹貨哦~ 讓我們來看一下機器學習是如何應用於醫護行業以及如何借助Apache Spark對患者的監控數據進行處理 現如今，IoT數據，實時流式數據分析