秘籍 乐趣scikits numpy
【scikit-learn基础】--『监督学习』之 支持向量机分类
支持向量机也是一种既可以处理分类问题，也可以处理回归问题的算法。关于支持向量机在回归问题上的应用，请参考：TODO 支持向量机分类广泛应用于图像识别、文本分类、生物信息学（例如基因分类）、手写数字识别等领域。 1. 算法概述 支持向量机的主要思想是找到一个超平面，将不同类别的样本最大化地分隔开。超平 ......
【scikit-learn基础】--『监督学习』之 随机森林分类
随机森林分类算法是一种基于集成学习（ensemble learning）的机器学习算法，它的基本原理是通过对多个决策树的预测结果进行平均或投票，以产生最终的分类结果。 随机森林算法可用于回归和分类问题。关于随机森林算法在回归问题上的应用可参考：TODO 随机森林分类算法可以应用于各种需要进行分类或预 ......
Numpy计算近邻表时间对比
本文介绍了在Python的numpy框架下计算近邻表的两种不同算法的原理以及复杂度，另有分别对应的两种代码实现。在实际使用中，我们更偏向于第二种算法的使用。因为对于第一种算法来说，哪怕是一个10000个原子的小体系，如果要计算两两间距，也会变成10000*10000这么大的一个张量的运算。可想而知，... ......
【scikit-learn基础】--『监督学习』之 决策树分类
决策树分类算法是一种监督学习算法，它的基本原理是将数据集通过一系列的问题进行拆分，这些问题被视为决策树的叶子节点和内部节点。决策树的每个分支代表一个可能的决策结果，而每个叶子节点代表一个最终的分类结果。 决策树分类算法的历史可以追溯到1980年代初，当时研究者开始探索用机器学习来解决分类问题。在19 ......
【scikit-learn基础】--『监督学习』之 贝叶斯分类
贝叶斯分类是一种统计学分类方法，基于贝叶斯定理，对给定的数据集进行分类。它的历史可以追溯到18世纪，当时英国统计学家托马斯·贝叶斯发展了贝叶斯定理，这个定理为统计决策提供了理论基础。 不过，贝叶斯分类在实际应用中的广泛使用是在20世纪80年代，当时计算机技术的进步使得大规模数据处理成为可能。 1. ......
Python中numpy出现has no attribute '_no_nep50_warning'错误的一个解决方案
本文介绍在Python中，numpy库出现报错module 'numpy' has no attribute '_no_nep50_warning'的解决方法。 一次，在运行一个Python代码时，发现出现报错module 'numpy' has no attribute '_no_nep50_wa ......
Jax框架支持的python和numpy版本
官方： https://jax.readthedocs.io/en/latest/deprecation.html 每个推出的JAX版本都会支持45个月内推出的python，对此具体解释一下： 比如Jax_1.0.0为2024年1月1号release，2020年3月到2024年1月1号之间发行的py ......
numpy学习笔记1
numpy 介绍 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含： 一个强大的N维数组对象 ndarray 广播功能函数 ......
【scikit-learn基础】--『监督学习』之 逻辑回归分类
逻辑回归这个算法的名称有一定的误导性。虽然它的名称中有“回归”，当它在机器学习中不是回归算法，而是分类算法。因为采用了与回归类似的思想来解决分类问题，所以它的名称才会是逻辑回归。 逻辑回归的思想可以追溯到19世纪，由英国统计学家Francis Galton在研究豌豆遗传问题时首次提出。然而，真正将逻 ......
Python Pandas NumPy NaN和Inf简介及常用操作
NumPy（Numerical Python）是一个用于科学计算的库，它提供了对多维数组（例如矩阵）和一系列数学函数的支持。NumPy 中包含了处理 NaN（Not-a-Number）和 Inf（Infinity）等特殊值的功能。本文主要介绍一下Python Pandas NumPy 中 NaN ......
【scikit-learn基础】--『监督学习』之 K-近邻分类
KNN（K-近邻），全称K-Nearest Neighbors，是一种常用的分类算法。KNN算法的历史可以追溯到1957年，当时Cover和Hart提出了“最近邻分类”的概念。但是，这个算法真正得到广泛认知和应用是在1992年，由Altman发表的一篇名为“K-Nearest Neighbors”的 ......
一个简单的例子测试numpy和Jax的性能对比 （续）
相关： 一个简单的例子测试numpy和Jax的性能对比 numpy代码： import numpy as np import time x = np.random.random([10000, 10000]).astype(np.float32) try: st = time.time() y = ......
一个简单的例子测试numpy和Jax的性能对比
参考： https://baijiahao.baidu.com/s?id=1725356123619612187&wfr=spider&for=pc 个人认为如果把Jax作为一款深度学习框架来学习，那么就没有多大的必要性，因为pytorch就够了。可以说，Jax可以做到的，pytorch也可以做到， ......
python3之numpy库
多维数组定义 import numpy as np # 多维数组定义 np.array((2, 3, 4)) # 类型为int32 的一维数组 np.array([2.0, 3.0, 4.0]) # 类型为flloat64 的一维数组 np.array(((2, 3, 4, 5), (4, 5, 6 ......
【scikit-learn基础】--『监督学习』之 随机森林回归
随机森林回归（Random Forest Regression）是一种在机器学习领域广泛应用的算法，由美国科学家 Leo Breiman 在2001年提出。它是一种集成学习方法，通过整合多个决策树的预测结果来提高预测精度和稳定性。 随机森林回归适用于各种需要预测连续数值输出的问题，如金融领域的股票价 ......
【scikit-learn基础】--『监督学习』之 决策树回归
决策树算法是一种既可以用于分类，也可以用于回归的算法。 决策树回归是通过对输入特征的不断划分来建立一棵决策树，每一步划分都基于当前数据集的最优划分特征。它的目标是最小化总体误差或最大化预测精度，其构建通常采用自上而下的贪心搜索方式，通过比较不同划分标准来选择最优划分。 决策树回归广泛应用于各种回归问 ......
Python Numpy 数组修改赋值的方法及示例
NumPy是Python中用于处理数组和数值计算的强大库。它提供了多维数组对象（称为numpy.ndarray或简称为数组），Numpy数组的赋值是比较方便的，本文主要介绍Python numpy 数组修改赋值的方法，以及相关示例代码。 1、一般使用索引赋值 赋值方式和C#和Java待语言类似， ......
【scikit-learn基础】--『监督学习』之 支持向量机回归
在机器学习中，支持向量机（Support Vector Machine）算法既可以用于回归问题，也可以用于分类问题。 支持向量机（SVM）算法的历史可以追溯到1963年，当时前苏联统计学家弗拉基米尔·瓦普尼克（Vladimir N. Vapnik）和他的同事阿列克谢·切尔沃宁基斯（Alexey Ya ......
Python Numpy 合并数组(stack、vstack和hstack)
numpy.vstack和numpy.hstack以及numpy.stack是NumPy中用于数组堆叠的不同函数，numpy.vstack是垂直方向堆叠，numpy.hstack是水平方向堆叠，而numpy.stack是通用堆叠。本文主要介绍Python Numpy 合并数组的方法，以及相关的示 ......
NumPy 数据
使用NumPy需要先导入，约定俗成地为它起别名np。使用np.array 可传入一个元组或列表。如果是二维数据，可以是由列表组成的列表或 由元组组成的列表等形式。 import numpy as np np.array([1, 2, 3]) np.array((1, 2, 3)) # 同上 # ar ......
Python NumPy 生成随机数的方法及示例
NumPy 是一个强大的库，用于数值计算，包括生成各种随机数。可以使用random.rand()、random.randn()、random.randint()、random.uniform()、random.normal()和random.seed()函数方法生成随机数。本文介绍生成随机数的方 ......
大数据分析与可视化 之 实验02 Numpy创建数组
实验02 Numpy创建数组 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 掌握Numpy创建数组的方法 掌握Numpy ndarray的属性、运算 掌握Numpy迭代数值，修改数组中元素的值 掌握Numpy常用函数的使用方法 二、实验要求 使用Numpy.array的构造函数创建 ......
大数据分析与可视化 之 实验03 Numpy实现数据分析
实验03 Numpy实现数据分析 实验学时：2学时 实验类型：验证 实验要求：必修 一、实验目的 掌握Numpy的字符串函数 掌握Numpy 统计函数 掌握Numpy排序、分组、线性代数函数 二、实验要求 通过编程实现使用Numpy字符串函数进行文本处理，使用统计函数进行数据分析等常用操作。 三、实 ......
Advanced Algebra高等代数 - 多元建模有多个方程(多元线性)组成 - 使用 NumPy 实现 矩阵的初等行变换：
线性：指多元变量的每一元变量都是1次方(可以将高于1次方的元，以新一元变量代换，求解再做开方运算) 将应用问题转化为 多个多元线性方程，并成一组； 由多元线性方程组 抽出 增广矩阵，并以“消元法”的策略，步步判断求解； 对 增广矩阵 的 多个 “方程” 应用“行消元法” 化简 成 阶梯矩阵；判断有无 ......
Applied Statistics - 应用统计学习 - numpy array交换两行 ？ How to Swap Two Rows in a NumPy Array (With Example)
https://www.statology.org/qualitative-vs-quantitative-variables/ https://www.statology.org/numpy-swap-rows/ How to Swap Two Rows in a NumPy Array (Wit ......
numpy、scipy、pandas、matplotlib的读书报告
numpy、scipy、pandas、matplotlib的读书报告 一、numpy的读书报告 1Numpy概述 1.1概念 Numpy提供了两种基本的对象：ndarray和ufunc。Ndarray是存储单一数据类型的多维数组，而ufunc则是能够对数组进行处理的函数。 1.2功能 l 创建n维数 ......
numpy、scipy、pandas、matplotlib的读书报告
1. Numpy： - 简介：Numpy是Python科学计算的基础库，提供了高效的多维数组对象和相关操作函数。 - 主要功能：支持向量运算、矩阵运算、线性代数、随机数生成等。 - 应用场景：数据处理、数值计算、机器学习等领域。 2. Scipy： - 简介：Scipy是一组针对科学和工程计算的Py ......
numpy、scipy、pandas、matplotlib的读书报告
#Numpy import numpy as np a=np.array([[1,2,3],[2,3,4]])a.ndim #秩，即轴的数量或维度的数量a.shape #数组的维度，对于矩阵，n 行 m 列a.size #数组元素的总个数，相当于 .shape 中 n*m 的值a.dtype #数组 ......