摘要: import matplotlib.pyplot as plt import numpy as np n = 1024 X = np.random.normal(0,1,n)#是生成的数平均值是0,方差是1 Y = np.random.normal(0,1,n) T = np.arctan2(Y,X)#颜色 plt.scatter(X,Y,s = 75,c = T,alpha=0.5)... 阅读全文
posted @ 2018-12-25 11:27 科大小黑 阅读(956) 评论(0) 推荐(0) 编辑
摘要: import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y = 2*x + 1 plt.figure(num=1, figsize=(8, 5),) plt.plot(x, y,) ax = plt.gca() ax.spines['right'].set_color('none')#右边... 阅读全文
posted @ 2018-12-25 11:10 科大小黑 阅读(202) 评论(0) 推荐(0) 编辑
摘要: loc可用参数: 阅读全文
posted @ 2018-12-25 11:08 科大小黑 阅读(1160) 评论(0) 推荐(0) 编辑
摘要: import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50)#从-3到3设置50个点 #设置两个函数 y1 = 2 * x + 1 y2 = x ** 2 plt.figure() plt.plot(x,y2) plt.plot(x,y1,color = 'red',linewidth = 1.0,li... 阅读全文
posted @ 2018-12-25 11:03 科大小黑 阅读(166) 评论(0) 推荐(0) 编辑
摘要: 1. 执行python脚本的两种方式 1>就是通过寻找文件,打开python.exe 2>利用cmd 将python解释器和.py文件放一块 2. 简述位、字节的关系 8位是一个字节,操作系统是按字节执行,计算机是按位存储 3. 在utf-8中一个汉字占用3个字节,而在python3中解释器是按照字 阅读全文
posted @ 2018-12-25 11:03 科大小黑 阅读(83) 评论(0) 推荐(0) 编辑
摘要: import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50)#从-3到3设置50个点 #设置两个函数 y1 = 2 * x + 1 y2 = x ** 2 plt.figure() plt.plot(x,y2) plt.plot(x,y1,color = 'red',linewidth = 1.0,li... 阅读全文
posted @ 2018-12-25 11:01 科大小黑 阅读(581) 评论(0) 推荐(0) 编辑
摘要: # import numpy as np # import matplotlib.pyplot as plt # # x = np.linspace(-1, 1, 50) # y1 = 2 * x + 1 # # # figure 1 # plt.figure() # plt.plot(x, y1) # # # # figure 2 # y2 = x**2 # plt.figure() # pl... 阅读全文
posted @ 2018-12-25 10:59 科大小黑 阅读(214) 评论(0) 推荐(0) 编辑
摘要: 1.函数传递多余的位置参数 *args 保存为数组格式 传递多余的关键字参数 **kwargs 保存为字典格式 2.全局变量:在函数之前定义的变量(顶头写的),在所有函数中都可以调用 局部变量:在函数内部定义的变量(有缩进),只能在本函数内部调用 3.在函数内部改全局变量只需要在函数内部定义变量时加 阅读全文
posted @ 2018-11-30 20:59 科大小黑 阅读(189) 评论(0) 推荐(0) 编辑
摘要: 基础误差分析 如果在一开始就试图设计和构建出完美的系统会显得有些困难,不妨先花几天时间构建并训练 一个最基础的系统。或许这个最基础的系统与我们所能构建的 “最佳” 系统相去甚远,但研究其中的基础功能也是很有价值的:你能快速找到一些线索来帮助你决定在什么方向上投入时间。 小结: • 当你开始一个新项目 阅读全文
posted @ 2018-11-30 13:40 科大小黑 阅读(239) 评论(0) 推荐(0) 编辑
摘要: 建立开发集与训练集 在处理第三方基准测试(benchmark)问题时,样本提供方很可能已经指定了服从不同分布的开发集和测试集数据。与数据分布一致的情况相比,此时运气带来的性能影响将超过你使用的技术所带来的影响。但是如果你想要在特定的机器学习应用上取 得进展,而不是搞研究,我建议你尽可能地选择服从相同 阅读全文
posted @ 2018-11-30 13:39 科大小黑 阅读(802) 评论(0) 推荐(0) 编辑