注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 用Python做科学计算

  2. 软件包的安装和介绍 安装软件包 函数库介绍 NumPy-快速处理数据 ndarray对象 ufunc运算 矩阵运算 文件存取 SciPy-数值计算库 最小二乘拟合 函数最小值 非线性方程组求解 B-Spline样条曲线 数值积分 解常微分方程组 滤波器设计 用Weave嵌入C语言 SymPy-符号运算好帮手 封面上的经典公式 球体体积 matplotlib-绘制精美的图表 快速绘图 绘制多轴图 配置文件 Artist对象 Traits-为Python添加类型定义 背景 Traits是什么 动态

  3. 所属分类：其它

    • 发布日期：2012-04-04
    • 文件大小：4mb
    • 提供者：yatere

  1. 用Python做科学计算

  2. 一 基础篇 软件包的安装和介绍 安装软件包 函数库介绍 NumPy 快速处理数据 ndarray对象 ufunc运算 矩阵运算 文件存取 SciPy 数值计算库 最小二乘拟合 函数最小值 非线性方程组求解 B Spline样条曲线 数值积分 解常微分方程组 滤波器设计 用Weave嵌入C语言 SymPy 符号运算好帮手 封面上的经典公式 球体体积 matplotlib 绘制精美的图表 快速绘图 绘制多轴图 配置文件 Artist对象 Traits 为Python添加类型定义 背景 Traits

  3. 所属分类：Python

    • 发布日期：2014-07-12
    • 文件大小：6mb
    • 提供者：jsntghf

  1. python计算机视觉.pdf

  2. 高清完整版，极力推荐。 第1 章　基本的图像操作和处理 .....................................................................................................1 1.1　PIL：Python 图像处理类库.................................................................................................

  3. 所属分类：Python

    • 发布日期：2017-09-22
    • 文件大小：29mb
    • 提供者：donggua209

  1. 机器学习工程师从算法基础到实战案例

  2. 【课程内容】 第一阶段：Python数据分析与建模库 Python快速入门 科学计算库Numpy 数据分析处理库Pandas 可视化库Matplotlib Seaborn可视化库 第二阶段：机器学习经典算法 回归算法 决策树与随机森林 贝叶斯算法 Xgboost 支持向量机算法 时间序列AIRMA模型 神经网络基础 神经网络架构 PCA降维与SVD矩阵分解 聚类算法 推荐系统 Word2Vec 第三阶段：机器学习案例实战 使用Python分析科比生涯数据 案例实战-信用卡欺诈检测 Python

  3. 所属分类：机器学习

    • 发布日期：2018-03-14
    • 文件大小：76byte
    • 提供者：u013844840

  1. 如何系统地学习Python 中 matplotlib, numpy, scipy, pandas

  2. pandas用来做数据处理，numpy用来做高维度矩阵运算，scipy用来做科学计算，matplotlib用来做数据可视化

  3. 所属分类：机器学习

    • 发布日期：2018-04-17
    • 文件大小：6mb
    • 提供者：gxd_feiyu

  1. matplotlib.pyplot.matshow 矩阵可视化实例

  2. 主要介绍了matplotlib.pyplot.matshow 矩阵可视化实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：66kb
    • 提供者：weixin_38698860

  1. Python根据已知邻接矩阵绘制无向图操作示例

  2. 主要介绍了Python根据已知邻接矩阵绘制无向图操作,涉及Python使用networkx、matplotlib进行数值运算与图形绘制相关操作技巧,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：95kb
    • 提供者：weixin_38649356

  1. 利用python中的matplotlib打印混淆矩阵实例

  2. 前面说过混淆矩阵是我们在处理分类问题时，很重要的指标，那么如何更好的把混淆矩阵给打印出来呢，直接做表或者是前端可视化，小编曾经就尝试过用前端（D5）做出来，然后截图，显得不那么好看。。 代码： import itertools import matplotlib.pyplot as plt import numpy as np def plot_confusion_matrix(cm, classes, normalize=False, title='Confusi

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：68kb
    • 提供者：weixin_38588520

  1. 将pandas.dataframe的数据写入到文件中的方法

  2. 导入实验常用的python包。如图2所示。 【import pandas as pd】pandas用来做数据处理。【import numpy as np】numpy用来做高维度矩阵运算.【import matplotlib.pyplot as plt】matplotlib用来做数据可视化。 pandas数据写入到csv文件中： 【names = [‘Bob’,’Jessica’,’Mary’,’John’,’Mel’]】创建一个names列表【 births = [968,155,77,578

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：99kb
    • 提供者：weixin_38611812

  1. 基于城市车辆设备维修遗传算法解全局最优解数据处理

  2. 这个遗传算法解全局最优解主要是解决城市车辆维修费用采用哪种方式维修花费最少。  以def开头的四个函数是数据处理的主要部分 1 获取方程组的左边部分（矩阵计算） 2 构造方程组右边部分 3 各个参数值求和部分 4 可视化评估最小值部分  算法函数调用部分 这五个模块就够了（sympy与scipy主要用来解非线性方程组） import numpy import scipy from scipy.optimize import fsolve import sympy import matplot

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：62kb
    • 提供者：weixin_38716872

  1. Python sklearn库实现PCA教程(以鸢尾花分类为例)

  2. PCA简介 主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。矩阵的主成分就是其协方差矩阵对应的特征向量，按照对应的特征值大小进行排序，最大的特征值就是第一主成分，其次是第二主成分，以此类推。 基本步骤： 具体实现 我们通过Python的sklearn库来实现鸢尾花数据进行降维，数据本身是4维的降维后变成2维，可以在平面中画出样本点的分布。样本数据结构如下图： 其中样本总数

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：142kb
    • 提供者：weixin_38686677

  1. 详解使用python绘制混淆矩阵（confusion_matrix）

  2. Summary 涉及到分类问题，我们经常需要通过可视化混淆矩阵来分析实验结果进而得出调参思路，本文介绍如何利用python绘制混淆矩阵（confusion_matrix），本文只提供代码，给出必要注释。 Code​ # -*-coding:utf-8-*- from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt import numpy as np #labels表示你不同类别的代号，比如这里

  3. 所属分类：其它

    • 发布日期：2021-01-01
    • 文件大小：111kb
    • 提供者：weixin_38586186

  1. Python–Numpy&pandas（二）

  2. 课程介绍 课程内容和目标 pandas是什么： Pandas 是 Python 里分析结构化数据的工具集 基础是 numpy：高性能矩阵运算 图形库 matplotlib: 提供数据可视化 pandas能做什么： 结构化数据分析 数据挖掘 例子： 学生成绩分析 股票数据分析 ipython python 命令行与 ipython命令行的区别： 显示的数据可读性更强 import numpy as np from numpy.random.randn data = {i: randn(i}

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：59kb
    • 提供者：weixin_38673921

  1. COVID-19RiskProject:机器学习在创建COVID-19死亡率风险计算器中的应用-源码

  2. 使用机器学习的COVID-19死亡率风险 该项目的目的是将机器学习应用于评估COVID-19死亡风险因素，并创建一个死亡风险预测计算器。 我们还进行了深入的数据考察，以观察COVID-19危险因素的任何趋势。 资料来源： ： 项目包括： 用于数据分析的Python Python Flask支持的API AWS云数据库 HTML / CSS包括用于前端Web开发的模板扩展 机器学习-聚类（KMeans，决策树），分类（逻辑回归），多项式回归 分类报告和混淆矩阵以评估模型拟合度； 功能关

  3. 所属分类：其它

  1. python-neural-network:https的分叉-源码

  2. 使用numpy实现的MLP神经网络库 一般的 这是一个功能齐全的前馈神经网络库。 实现的功能有： 损失函数：交叉熵，均方误差 层：线性，S形，ReLU 具有正向和反向传播的网络 一个热编码标签的功能 混淆矩阵可视化器 有两个演示来演示库的功能： 虹膜数据集分类器 手写数字（mnist）分类器 代码中有很多注释来解释细节 需求 python 3.x 麻木 matplotlib 安装 要安装所需的依赖项： make install 。 演示（iris数据集） 要运行演示： python3

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：11mb
    • 提供者：weixin_42118011

  1. Predictive-Analytics：该项目的目的是开始使用Predictive Analytics。 该项目的目标是从头开始实施预测分析算法，并创建一个Scikit学习预测分析管道，并使用Matplotlib进行可视化-源码

  2. 预测分析 该项目的目的是开始使用Predictive Analytics。 该项目的目标是从头开始实施预测分析算法，并创建Scikit学习预测分析管道并使用Matplotlib进行可视化。 第1部分机器学习算法的实现●实施K-最近邻和随机森林的监督学习算法●使用PCA实施降维●实施K均值聚类●在簇的平方和内实施评估措施的准确性，召回率，精度 PART-2用于机器学习的Scikit-Learn管道●使用Scikit-learn库，实施监督学习算法SVM，Logistic回归，决策树，KNN ●使

  3. 所属分类：其它

  1. 无监督学习：基于质心的聚类算法，即K-Means聚类，聚集聚类和基于密度的空间聚类-源码

  2. 无监督学习 基于质心的聚类算法即K-Means聚类，聚集聚类和基于密度的空间聚类实现。 要求 Python 3.6及更高版本 科学工具学习 麻木 科学的 matplotlib 信息 通过智能融合完成的K-Means聚类可以加快处理速度，并多次运行以获得最佳结果。 有很多参数可供使用，也有可视化部分。 聚集聚类是分层聚类（自下而上，分组）的一种，它比分裂聚类更受欢迎。 使用距离矩阵可以导出数据的树状图，可以更改和测试用于计算距离矩阵的标准（单个，平均，完整和质心链接）。 具有噪声的基于密度的空

  3. 所属分类：其它

  1. NumpyStack：学习机器学习所需的数学和可视化库的基础-源码

  2. 麻木叠 这些是可以从中学习基本库的一些资源。 这是在机器学习和深入学习使用的Python为机器学习一个需要被使用做手柄矩阵numpy ，我们需要它是使用进行处理的数据集pandas库中的数据表达研究使用处理matplotlib库基本介绍机还尝试使用sklearn库学习 为什么是python 机器学习和数据科学需要大量数学，所以为什么不使用像matlab这样的语言呢？主要原因是，目前我们正在使用机器学习来开发各种产品，因此最好使用在产品中具有更好支持的语言像用于为网站构建服务器的语言这样的开发将

  3. 所属分类：其它

  1. python_corona_simulation：基于代理的python中的电晕和其他病毒模拟-源码

  2. Python COVID-19（'Corona Virus'）模拟 看完《华盛顿邮报》上的后，我开始想知道如何用Python进行这样的模拟，实际上我是否可以扩展这个想法并使之更现实。 一会儿，我想到了用matplotlib作为可视化工具用纯Python编写模拟本身。 但是，对于大量交互的人口，所需的计算会Swift扩展。 加速意味着减少向量和矩阵计算的运算量，这可以通过极其高效地完成， 使用C语言编写的快速后端，并利用硬件加速功能，如SIMD（单指令，多数据） ，这可以在相对较少的时钟周期内

  3. 所属分类：其它

  1. matplotlib.pyplot.matshow 矩阵可视化实例

  2. 这是一个绘制矩阵的函数。 用matshow绘制矩阵的例子： import matplotlib.pyplot as plt import numpy as np def samplemat(dims): Make a matrix with all zeros and increasing elements on the diagonal aa = np.zeros(dims) for i in range(min(dims)): aa[i, i] = i return aa #

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：67kb
    • 提供者：weixin_38656142
« 12 »