2017年12月_rosefun96的博客_rosefunR

12月 11月 10月 05月

原创 python包：sklearn.manifold.TSNE

1、简介t-distributed Stochastic Neighbor Embedding，t分布的随机相邻嵌入。参考：官方文档

2017-12-31 12:00:51 5719

原创 python包：sklearn.linear_model.Ridge

1、简介ridge是一个线性回归器。2、实现>>> from sklearn.linear_model import Ridge>>> import numpy as np>>> n_samples, n_features = 10, 5>>> np.random.seed(0)>>> y = np.random.randn(n_samples)>>> X = np.random.rand

2017-12-31 11:57:28 1430

原创 python入门系列(20): python 高级使用：编写类和实例

1、编写构造函数class person: def __init__(self,name,job,salary): self.name=name self.job=job self.salary=salary在这里，self是新创建的实例对象，它保存了传入的数据，name，job，salary这三个变量，为self本身的对应的三个属性。可

2017-12-30 22:54:31 1165

原创模型融合之stacking

参考：stack_model;stacked model

2017-12-30 22:13:20 1852

原创 python入门系列(19): python的高级使用之类和OOP

1、编写类树每个class生成一个新的类对象；#define classclass c1: def setname(self,who): self.name=who#define instance by calling a classi1=c1()i1.setname('newyear')

2017-12-30 21:18:53 211

原创 python入门系列(18): python高级使用之模块代码编写

1、创建模块#printer.pydef printer(x): print(x)if __name__ == '__main__': printer('heel')调用模块#test.pyimport printerprinter.printer('hello world')或者：#test.pyfrom printer import printerprinter('hel

2017-12-30 20:47:26 387

原创 python入门系列(17): python高级使用之运算符_init_重载

#define numberclass Number: def __init__(self,start): self.data=start def __sub__(self,other): return Number(self.data-other)if __name__ == '__main__': # from number import

2017-12-30 18:53:27 1152

原创 python入门系列(16): python from _future_模块

1、简述由于Python是由社区推动的开源并且免费的开发语言，不受商业公司控制，因此，Python的改进往往比较激进，不兼容的情况时有发生。Python为了确保你能顺利过渡到新版本，特别提供了future模块，让你在旧的版本中试验新版本的一些特性。参考：廖雪峰from future模块

2017-12-29 10:55:10 246

原创 TensorFlow 中 tf.app.flags.FLAGS 的用法介绍

1、用法tf.app.flags.FLAGS 用来传递参数。参考：tf.app.flags.FLAGS用法

2017-12-28 15:55:18 7017 1

1、路径读取Python的路径读取满满的坑啊啊。很多次都是因为这个而运行错误。2、绝对路径比如需要读取MNIST_data里边的文件，使用绝对路径input_data.read_data_sets(r"G:\MNIST_data", one_hot=True)3、相对路径如果当前的*.py已经在G: 使用相对路径 mnist = input_data.read_data_sets("MNIST_d

2017-12-28 09:51:57 2369 1

原创深度学习python包yadlt安装和简介

1、安装pip install yadlt2、简介深度学习工具参考： 10种深度学习算法

2017-12-27 20:49:09 7487

原创 sys.path.append()用法

1、理论sys.path 返回的是一个列表！该路径已经添加到系统的环境变量了，当我们要添加自己的搜索目录时，可以通过列表的append()方法；对于模块和自己写的脚本不在同一个目录下，在脚本开头加sys.path.append(‘xxx’)：import sys sys.path.append(’引用模块的地址')

2017-12-27 10:28:56 31047

原创 python数据可视化工具

参考： 1、6种可视化工具

2017-12-26 21:36:55 609

原创 [坑]python数字可视化vpython包

1、vpython安装pip install vpython2、vpython基本使用2.1 查看球体from visual import *sphere()2.2 bounce.py简单实现from visual import *floor = box(length=4, height=0.5, width=4, color=color.blue)ball = sphere(pos=(0,4,0

2017-12-26 20:56:47 3885 1

原创 python回归模型的评估与交叉验证(待完善)

1、评估模型评估模型分为三类，MAE，MSE，R-square；2、实现2.1 Mae平均绝对误差实现# 创建数据集，其中矩阵X表示特征值，向量y表示所属类目标记值import numpy as npX=np.random.random((10,5))y=np.random.randn(10,1)# 数据切分为训练集和测试集from sklearn.cross_validation impo

2017-12-26 20:52:37 7635

原创 python交叉验证train_test_split(old:cross validation)实现

1、理论交叉验证分为三种，holdout验证（二折验证）、K折交叉验证、留一验证。2、实现##test cross validationimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn import datasetsfrom sklearn import svmiris = da

2017-12-26 20:06:02 2291

原创算法：支持向量机回归模型SVR的python实现

1、SVR做回归<span style="font-family:Microsoft YaHei;">#-*-coding:utf-8-*-'''Created on 2016年5月4日@author: Gamer Think'''import numpy as npfrom sklearn.svm import SVRimport matplotlib.pyplot as plt###

2017-12-26 18:45:30 8956 2

原创 RBM受限玻尔兹曼机理解及实现

引言1、RBM简介2、贪婪算法首先字典学习它是个非凸优化问题，多层字典学习将会变得更加复杂；另外多层字典学习的所要求解的参数大大增加，在有限的训练样本下，容易引起过拟合问题。因此文献提出类似于SAE、DBN一样，采用逐层训练学习的思想，这样可以保证网络的每一层都是收敛的。算法其实非常简单，以双层分解为例进行逐层分解，具体示意图如下：参考：RBM 知乎；深度学习贪婪算法 CSDN；A d

2017-12-26 16:49:20 8235

原创 python入门系列(15): python字典dict合并

1、方法一#!/usr/bin/pythondict = {'Name': 'Zara', 'Age': 7}dict2 = {'Sex': 'female' }dict_new=dict.update(dict2)只能使用dict.update()2、方法二dictMerged2 = dict( dict1, **dict2 )参考： 1. Python 字典(Dictionary) upd

2017-12-25 22:14:58 301

原创 python入门系列(14): python对字符串型数据处理

1.sklearn1.1示例1from sklearn import preprocessingle = preprocessing.LabelEncoder()le.fit(df['Col1'])df['Col3'] = le.transform(df['Col3'])1.2 示例2使用独热编码。###2/独热编码from sklearn import preprocessingfrom

2017-12-25 08:55:45 819

原创 python包tqdm安装及入门

1、安装pip install tqdm或者conda install -c conda-forge tqdm2、tqdm的使用进度条 tqdm 库比较热门，声称比老版的 python-progressbar 库的单次响应时间提高了 10 倍以上。其实进度条的原理十分的简单，无非就是在 shell 中不断重写当前输出。>>> from time import sleep>>> from tqdm

2017-12-24 13:43:47 43936

原创 Xgboost的简单使用2

1、xgboost预测#xgboost预测import xgboost as xgb# read in datadtrain = xgb.DMatrix('demo/data/agaricus.txt.train')dtest = xgb.DMatrix('demo/data/agaricus.txt.test')# specify parameters via mapparam = {'

2017-12-24 10:32:11 749

原创 python入门系列(13): python包安装方式pip及conda

1、安装1.1 pip安装：C:\Users\RoFun>pip install seaborn1.2 或者使用conda 安装2、简单示例这里写代码片

2017-12-23 16:40:48 17876 1

原创 python保存列表、字典数据到本地文件

1、保存列表为.txt文件#1/list写入txtipTable = ['158.59.194.213', '18.9.14.13', '58.59.14.21'] fileObject = open('sampleList.txt', 'w') for ip in ipTable: fileObject.write(ip) fileObject.write('\n

2017-12-22 22:59:22 69757 1

原创 Pycharm安装与入门

1、pycharm安装官方下载就好。2、JDK安装pycharm需要运行在JDK下，所以，需要下载安装JDK。（存疑，一些教程并没有安装JDK，但是对于学完python将转战Java的来说，还是安装了。）2.1 配置系统环境配置环境变量：右击“我的电脑”–>”高级”–>”环境变量”。（1）JAVA_HOME环境变量。（2）CLASSPATH环境变量。（3）path环境变量具体看参考文献13、使用第一

2017-12-22 20:51:15 14472

原创 python包xgboost安装和简单使用

1、xgboost安装首先，xgboost是python的一个包，用于数据分析以及boost的实现。cp36代表python3.6。numpy-1.13.1+mkl-cp36-cp36m-win_amd64.whl scipy-0.19.1-cp36-cp36m-win_amd64.whl xgboost-0.6-cp36-cp36m-win_amd64.whl 在这里-xgboost下载，然后

2017-12-22 20:31:10 14408

原创 python包pandas安装和入门

1、安装因为自己电脑安装了anaconda，所以，直接使用conda install。(E:\Anaconda3) C:\Users\RoFun>conda install pandas参考：pandas安装_简书

2017-12-22 19:43:31 13132

原创机器学习概貌

一、根据学习类型划分算法1、有监督学习有监督学习，是建立在有标准的输出数据来进行校正。有监督学习，可以是分类问题，也可以是回归问题。2、无监督学习无监督学习，输入的数据，没有标签或者知道的输出结果。通过推导输入数据中存在的结构来准备模型。这可能是提取一般规则。系统地减少冗余可能是通过数学过程，也可能是通过相似性来组织数据。可以看出，无监督学习，是通过数据可能存在的某种数学关系，例如相关性，来

2017-12-22 17:36:35 341

原创神经网络模型不收敛的处理

1、learning rate设大了0.1~0.0001.不同模型不同任务最优的lr都不一样。我现在越来越不明白TensorFlow了，我设置训练次数很大的时候，它一开始就给我“收敛”到一个值，后面的值都一样。2、归一化参考：深度学习收敛问题；训练深度神经网络

2017-12-22 14:50:02 25754 24

原创数据预处理的python实现

1、归一化1.1简单处理列表#归一化处理raw = [0.07, 0.14, 0.07] norm=[float(i)/max(raw) for i in raw]print(norm)1.2 处理嵌套列表：#归一化处理raw = [[0.07, 0.14, 0.07],[1,2, 3]]norm=[]for i in range(len(raw)): norm.append([f

2017-12-22 14:39:38 722

原创 TensorFlow变量初始化

1、tf.Variable()2、tf.get_variable()3、tf.variable.scope()参考：tf.Variable_csdn

2017-12-22 10:47:07 376

原创 (坑)TensorFlow神经网络模型进行回归

引言使用TensorFlow训练好的神经网络模型，来进行对输入数据的输出预测，即软测量的过程。1、训练神经网络模型这里写代码片

2017-12-21 08:59:34 1247

原创 TensorFlow的MNIST数据识别

1、代码

2017-12-20 22:57:44 216

原创 python入门系列(12): python关于not a的理解

1、代码>>> a=[]>>> not aTrue>>> a=[1]>>> not aFalse>>> a=None>>> not aTrue只要a不包括任何元素，not a均为True

2017-12-20 19:11:16 921

原创 python入门系列(11): Python标准库之内置函数max(iterable, *[, key, default])

参考：python库max(, , key);lambda装饰器

2017-12-20 19:00:16 1137

原创基于scikit-learn实现各种算法

1、random forest实现2、Adaboost实现3、neural network实现参考：ensemble method实现

2017-12-19 10:38:35 773

原创 Tensorflow1.x系列(7):TensorFlow持久化

引言持久化，就是能够把当前模型以及模型的参数能够保持下来，用于下次使用。1、持久化代码实现API

2017-12-18 21:05:04 184

原创 python包matplotlib绘图基础入门

1、matplotlibmatplotlib是numpy的扩展，可以实现python框架下的可视化，类似MATLAB的图像可视化。2、基本操作2.1绘画直方图#matplotlib使用import matplotlib.pyplot as pltfrom numpy.random import normal,randx = normal(size=200)plt.hist(x,bins=30

2017-12-18 16:02:23 608

原创随机森林random forest及python实现

引言想通过随机森林来获取数据的主要特征1、理论根据个体学习器的生成方式，目前的集成学习方法大致可分为两大类，即个体学习器之间存在强依赖关系，必须串行生成的序列化方法，以及个体学习器间不存在强依赖关系，可同时生成的并行化方法；前者的代表是Boosting，后者的代表是Bagging和“随机森林”（Random Forest）随机森林在以决策树为基学习器构建Baggi

2017-12-18 15:20:51 53926 7

原创 python的numpy包使用

1、常用的numpy函数1.1 numpy.unique返回列中独一无二的值，即重复的值只返回一个 numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)uniq = float_df[col].unique()1.2 numpy.corrcoef（） num

2017-12-18 14:15:04 695

python程序设计(浙江大学).rar

python程序设计PPT（浙江大学python课件）对应慕课该课程PPT。包含9章内容： python语言介绍；语句；字符串，列表，元组；集合，字典；函数，命名空间和作用域；文件读写操作； Web应用；网络爬虫；等

2020-10-22

深度卷积生成对抗网络TensorFlow代码实现

Tensorflow implementation of [Deep Convolutional Generative Adversarial Networks](http://arxiv.org/abs/1511.06434) which is a stabilize Generative Adversarial Networks.

2018-12-25