摘要：# This Python 3 environment comes with many helpful analytics libraries installed # It is defined by the kaggle/python docker image: https://github.com/kaggle/docker-python # For example, here's sev... 阅读全文

摘要：drop_list1 = ['perimeter_mean','radius_mean','compactness_mean','concave points_mean','radius_se','perimeter_se','radius_worst','perimeter_worst','compactness_worst','concave points_worst','compactne... 阅读全文

摘要：# This Python 3 environment comes with many helpful analytics libraries installed # It is defined by the kaggle/python docker image: https://github.com/kaggle/docker-python # For example, here's se... 阅读全文

摘要：# import pandas import pandas as pd # creating a DataFrame pd.DataFrame({'Yes': [50, 31], 'No': [101, 2]}) # another example of creating a dataframe pd.DataFrame({'Bob': ['I liked it.', 'It was ... 阅读全文

摘要：import numpy as np # linear algebra import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv) # Any results you write to the current directory are saved as output. import matplotlib.py... 阅读全文

摘要：import numpy as np import matplotlib.pyplot as plt x = np.random.randint(0,20,10) y = np.random.randint(0,20,10) print(x) print(y) plt.title("散点图") plt.scatter(x,y,edgecolors="red") plt.plot(x,y) pl... 阅读全文

摘要：par(ask=TRUE) # Basic scatterplot library(ggplot2) ggplot(data=mtcars, aes(x=wt, y=mpg)) + geom_point() + labs(title="Automobile Data", x="Weight", y="Miles Per Gallon") # Scatter plot with a... 阅读全文

摘要：par(ask=TRUE) opar <- par(no.readonly=TRUE) # record current settings # Listing 11.1 - A scatter plot with best fit lines attach(mtcars) plot(wt,... 阅读全文

摘要：# Listing 6.1 - Simple bar plot# vertical barplotbarplot(counts, main="Simple Bar Plot", xlab="Improvement", ylab="Frequency")# horizontal bar plot ba 阅读全文

摘要：par(ask=TRUE) opar <- par(no.readonly=TRUE) # make a copy of current settings attach(mtcars) # be sure to execute this line plot(wt, mpg) abline(lm(mpg~wt)) title("Regression of MPG on Weight") ... 阅读全文

摘要：运行效果如下： 详细代码分析过程如下： （1）导入需要用到的python包或函数 （4）将dataset数据进行归一化处理，使用kmeans函数进行聚类,输入第一个参数是数据,第二个参数为聚类个数2，k-means最后输出的结果其实是两维的,第一维是聚类中心,第二维是损失distortion，新建一 阅读全文

摘要：最后运行效果如下： （5）显示上面的dataset分类结果，并且保存到一个文件里面。 （6）将上面保存的dataset图片读取进来，并且获得它第2通道图片特征，显示这个图片特征灰色图片如下图，结合上面dataset图片很明显，需要特别显示的大细胞和非细胞已经区分得很清晰了。 （7）现在直接把data 阅读全文

摘要：运行的效果如下： 阅读全文

摘要： 阅读全文

摘要：处理后得到的效果图如下： （6）新建一个数据集dataset，它的行数是：一张图片中我们感兴趣的点（一个小像素），也就是：一个图片对象只考虑I_seg.sum()这么多像素，一共有61张图片，所以dataset将保存所有的图片数据信息，这样dataset每一列就是一张图片,而每一行就是每张图片同一个 阅读全文

摘要：................................................... （13）按格式输出 for i in range(0,len(List_row)): if (i%2==0): st=List_row[i].strip().split(' ') print(in 阅读全文

摘要：实验过程与结果（可贴图） 解： 全部代码如下： 最终的部分运行结果输出如下： ............................................................................. ................................. 阅读全文