精华内容
参与话题
问答
  • 本课程介绍了Python数据可视化库——Matplotlib和Seaborn,其中包括了: Matplotlib库:图表基本构成要素、绘制线图、显示图形、显示中文和负号、设置线条颜色和风格、保存图片、绘制柱状图、绘制饼状图、...
  • 科学计算

    2018-01-11 13:09:52
    搜索标题 : SciPy  SciPy入门指南 http://blog.csdn.net/GarfieldEr007/article/details/50855123 ... python用于数学计算的工具介绍:scipy和numpy http://blog.csdn.

    搜索标题 : SciPy 

    SciPy入门指南

    http://blog.csdn.net/GarfieldEr007/article/details/50855123

    http://blog.csdn.net/nkwangjie/article/category/1785847


    python用于数学计算的工具介绍:scipy和numpy

    http://blog.csdn.net/changemyself/article/details/10054953


    Python教程:进击机器学习(五)--Scipy

    http://blog.csdn.net/q583501947/article/details/76735870

    python科学计算六:scipy矩阵操作

    http://blog.csdn.net/nkwangjie/article/details/17502443


    Numpy and Scipy Documentation : 

                                            https://docs.scipy.org/doc/


    NumPy User Guide:

                      -----Quickstart tutorial :
    https://docs.scipy.org/doc/numpy-dev/user/quickstart.html






    展开全文
  • 科学计算

    2018-04-02 22:12:00
    转载于:https://www.cnblogs.com/BlueFire-py/p/8698213.html

     

    转载于:https://www.cnblogs.com/BlueFire-py/p/8698213.html

    展开全文
  • Python 科学计算和绘图

    万次阅读 2018-05-23 11:50:37
     達聞西 给深度学习入门者的Python快速教程基础篇numpy和Matplotlib篇本篇部分代码的下载地址:https://github.com/frombeijingwithlove/dlcv_for_beginners/tree/master/chap55.3 Python的科学计算包 – Numpynum...

    转自:http://python.jobbole.com/87471/


    给深度学习入门者的Python快速教程

    本篇部分代码的下载地址:

    github.com/frombeijingw

    5.3 Python的科学计算包 – Numpy

    numpy(Numerical Python extensions)是一个第三方的Python包,用于科学计算。这个库的前身是1995年就开始开发的一个用于数组运算的库。经过了长时间的发展,基本上成了绝大部分Python科学计算的基础包,当然也包括所有提供Python接口的深度学习框架。

    numpy在Linux下的安装已经在5.1.2中作为例子讲过,Windows下也可以通过pip,或者到下面网址下载:

    Obtaining NumPy & SciPy libraries

    5.3.1 基本类型(array)

    array,也就是数组,是numpy中最基础的数据结构,最关键的属性是维度和元素类型,在numpy中,可以非常方便地创建各种不同类型的多维数组,并且执行一些基本基本操作,来看例子:

    注意到在导入numpy的时候,我们将np作为numpy的别名。这是一种习惯性的用法,后面的章节中我们也默认这么使用。作为一种多维数组结构,array的数组相关操作是非常丰富的:

    对于一维的array所有Python列表支持的下标相关的方法array也都支持,所以在此没有特别列出。

    既然叫numerical python,基础数学运算也是强大的:

    对于array,默认执行对位运算。涉及到多个array的对位运算需要array的维度一致,如果一个array的维度和另一个array的子维度一致,则在没有对齐的维度上分别执行对位运算,这种机制叫做广播(broadcasting),言语解释比较难,还是看例子理解:

    5.3.2 线性代数模块(linalg)

    在深度学习相关的数据处理和运算中,线性代数模块(linalg)是最常用的之一。结合numpy提供的基本函数,可以对向量,矩阵,或是说多维张量进行一些基本的运算:

    5.3.3 随机模块(random)

    随机模块包含了随机数产生和统计分布相关的基本函数,Python本身也有随机模块random,不过功能更丰富,还是来看例子:

    随机模块可以很方便地让我们做一些快速模拟去验证一些结论。比如来考虑一个非常违反直觉的概率题例子:一个选手去参加一个TV秀,有三扇门,其中一扇门后有奖品,这扇门只有主持人知道。选手先随机选一扇门,但并不打开,主持人看到后,会打开其余两扇门中没有奖品的一扇门。然后,主持人问选手,是否要改变一开始的选择?

    这个问题的答案是应该改变一开始的选择。在第一次选择的时候,选错的概率是2/3,选对的概率是1/3。第一次选择之后,主持人相当于帮忙剔除了一个错误答案,所以如果一开始选的是错的,这时候换掉就选对了;而如果一开始就选对,则这时候换掉就错了。根据以上,一开始选错的概率就是换掉之后选对的概率(2/3),这个概率大于一开始就选对的概率(1/3),所以应该换。虽然道理上是这样,但是还是有些绕,要是通过推理就是搞不明白怎么办,没关系,用随机模拟就可以轻松得到答案:

    5.4 Python的可视化包 – Matplotlib

    Matplotlib是Python中最常用的可视化工具之一,可以非常方便地创建海量类型地2D图表和一些基本的3D图表。Matplotlib最早是为了可视化癫痫病人的脑皮层电图相关的信号而研发,因为在函数的设计上参考了MATLAB,所以叫做Matplotlib。Matplotlib首次发表于2007年,在开源和社区的推动下,现在在基于Python的各个科学计算领域都得到了广泛应用。Matplotlib的原作者John D. Hunter博士是一名神经生物学家,2012年不幸因癌症去世,感谢他创建了这样一个伟大的库。

    安装Matplotlib的方式和numpy很像,可以直接通过Unix/Linux的软件管理工具,比如Ubuntu 16.04 LTS下,输入:

    >> sudo apt install python-matplotlib

    或者通过pip安装:

    >> pip install matplotlib

    Windows下也可以通过pip,或是到官网下载:

    python plotting – Matplotlib 1.5.3 documentation

    Matplotlib非常强大,不过在深度学习中常用的其实只有很基础的一些功能,这节主要介绍2D图表,3D图表和图像显示。

    5.4.1 2D图表

    Matplotlib中最基础的模块是pyplot。先从最简单的点图和线图开始,比如我们有一组数据,还有一个拟合模型,通过下面的代码图来可视化:

    matplotlib和pyplot的惯用别名分别是mpl和plt,上面代码生成的图像如下:

    基本的画图方法就是这么简单,如果想了解更多pyplot的属性和方法来画出风格多样的图像,可以参考官网:

    pyplot – Matplotlib 1.5.3 documentation

    Customizing matplotlib

    点和线图表只是最基本的用法,有的时候我们获取了分组数据要做对比,柱状或饼状类型的图或许更合适:

    在这段代码中又出现了一个新的东西叫做,一个用ax命名的对象。在Matplotlib中,画图时有两个常用概念,一个是平时画图蹦出的一个窗口,这叫一个figure。Figure相当于一个大的画布,在每个figure中,又可以存在多个子图,这种子图叫做axes。顾名思义,有了横纵轴就是一幅简单的图表。在上面代码中,先把figure定义成了一个一行两列的大画布,然后通过fig.add_subplot()加入两个新的子图。subplot的定义格式很有趣,数字的前两位分别定义行数和列数,最后一位定义新加入子图的所处顺序,当然想写明确些也没问题,用逗号分开即可。。上面这段代码产生的图像如下:

    5.3.1 3D图表

    Matplotlib中也能支持一些基础的3D图表,比如曲面图,散点图和柱状图。这些3D图表需要使用mpl_toolkits模块,先来看一个简单的曲面图的例子:

    这个例子中先生成一个所有值均为0的复数array作为初始频谱,然后把频谱中央部分用随机生成,但同时共轭关于中心对称的子矩阵进行填充。这相当于只有低频成分的一个随机频谱。最后进行反傅里叶变换就得到一个随机波动的曲面,图像如下:

    3D的散点图也是常常用来查看空间样本分布的一种手段,并且画起来比表面图和网线图更加简单,来看例子:

    这个例子中,为了方便,直接先采样了一堆3维的正态分布样本,保证方向上的均匀性。然后归一化,让每个样本到原点的距离为1,相当于得到了一个均匀分布在球面上的样本。再接着把每个样本都乘上一个均匀分布随机数的开3次方,这样就得到了在球体内均匀分布的样本,最后根据判别平面3x+2y-z-1=0对平面两侧样本用不同的形状和颜色画出,图像如下:

    5.3.1 图像显示

    Matplotlib也支持图像的存取和显示,并且和OpenCV一类的接口比起来,对于一般的二维矩阵的可视化要方便很多,来看例子:

    这段代码中第一个例子是读取一个本地图片并显示,第二个例子中直接把上小节中反傅里叶变换生成的矩阵作为图像拿过来,原图和经过乘以3再加4变换的图直接绘制了两个形状一样,但是值的范围不一样的图案。显示的时候imshow会自动进行归一化,把最亮的值显示为纯白,最暗的值显示为纯黑。这是一种非常方便的设定,尤其是查看深度学习中某个卷积层的响应图时。得到图像如下:

    只讲到了最基本和常用的图表及最简单的例子,更多有趣精美的例子可以在Matplotlib的官网找到:

    Thumbnail gallery – Matplotlib 1.5.3 documentation


    展开全文
  • python 科学计算 发行版 Anaconda安装使用教程

    万次阅读 多人点赞 2016-07-15 14:41:10
    现阶段python做科学计算的标配是numpy+scipy+matplotlib+sklearn+pandas。可惜的是,原生的python是不带这些包的。于是,每次遇到一个新机器,需要安装这些包。更可气的是,昨晚本博主为了在新机器上安装sklearn,...

    项目github地址:bitcarmanlee easy-algorithm-interview-and-practice
    欢迎大家star,留言,一起学习进步

    1.原生python的不方便

    作为一个数据与算法工作者,python的使用频率很高。现阶段python做科学计算的标配是numpy+scipy+matplotlib+sklearn+pandas。可惜的是,原生的python是不带这些包的。于是,每次遇到一个新机器,需要安装这些包。更可气的是,昨晚本博主为了在新机器上安装sklearn,足足花了两小时,中间踩了无数之前没遇到过的天坑加上天朝坑爹的网络。。。作为一个搭建了无数次科学计算环境的老司机还遇到这种情况,估计新手们就更无比郁闷了。于是老司机就想,有没有一个东西把所有常用的科学计算工具都集成好,这样就省了每次搭环境的天坑。。。google一把,发现了今天文章的主角:Anaconda。

    2.先看看Anaconda是个什么鬼

    Anaconda:蟒蛇,估计来源就是python logo里那条可爱的小蟒蛇吧。
    mac版下载地址:https://www.continuum.io/downloads#_macosx
    看看官网首页是怎么介绍的:
    Anaconda is the leading open data science platform powered by Python. The open source version of Anaconda is a high performance distribution of Python and R and includes over 100 of the most popular Python, R and Scala packages for data science. Additionally, you’ll have access to over 720 packages that can easily be installed with conda, our renowned package, dependency and environment manager, that is included in Anaconda. Anaconda is BSD licensed which gives you permission to use Anaconda commercially and for redistribution. See the packages included with Anaconda and the Anaconda changelog.

    通过上面这段牛逼闪闪的介绍,我们知道Anaconda是一个基于python的科学计算平台,这个平台里包含有python,r,scala等绝大部分主流的用于科学计算的包。

    接下来自然就是开始下载了。因为集成有很多牛逼科学计算包的缘故,所以安装包自然也小不了,比如我下载的mac版就有360M。那就慢慢下着吧。还好网络虽然不是很快,好歹还是稳定的,能到一两百k,一个小时左右能下完。这段时间就先干点别的吧。

    3.安装配置

    下载完成以后,跟mac里安装普通软件一样,双击安装即可。
    安装完以后,开始进行相应的配置。因为我平时使用eclipse开发,正好官网都贴心地给出了在IDE里怎么配置使用,里面就有eclipse,前提是eclipse已经安装了pydev插件。

    以下eclipse配置方法来自官网:
    After you have Eclipse, PyDev, and Anaconda installed, follow these steps to set Anaconda Python as your default by adding it as a new interpreter, and then selecting that new interpreter:

    Open the Eclipse Preferences window:
    这里写图片描述
    Go to PyDev -> Interpreters -> Python Interpreter.
    Click the New button:
    这里写图片描述
    In the “Interpreter Name” box, type “Anaconda Python”.
    Browse to ~/anaconda/bin/python or wherever your Anaconda Python is installed.
    Click the OK button.
    这里写图片描述
    In the next window, select all the folders and click the OK button again to select the folders to add to the SYSTEM python path.
    这里写图片描述
    The Python Interpreters window will now display Anaconda Python. Click OK.
    这里写图片描述
    You are now ready to use Anaconda Python with your Eclipse and PyDev installation.

    如果是其他IDE,可以上官网查看其他配置方法。具体地址:
    https://docs.continuum.io/anaconda/ide_integration#id8

    4.查看Anaconda的基本用法

    配置完成以后,查看一下此时系统的python:

    lei.wang ~ $ which python
    /Users/lei.wang/anaconda/bin/python
    lei.wang ~ $ python --version
    Python 2.7.12 :: Anaconda 4.1.1 (x86_64)
    

    此时,系统默认的python已经变成了Anaconda的版本!
    为什么会这样呢?原来是安装过程中,偷偷给我们在home目录下生成了一个.bashrc_profile文件,并在里面加入了PATH:

    # added by Anaconda2 4.1.1 installer
    export PATH="/Users/wanglei/anaconda/bin:$PATH"
    

    所以这个时候我们的bash里使用python的话,已经指向了anaconda里的python解释器。
    如果使用的不是mac的标准bash,而是zsh,不用着急,将上面一行配置复制粘贴到.zshrc文件中,然后source一下.zshrc文件即可!

    执行一下conda命令:

    lei.wang ~ $ conda
    usage: conda [-h] [-V] [--debug] command ...
    
    conda is a tool for managing and deploying applications, environments and packages.
    
    Options:
    
    positional arguments:
      command
        info         Display information about current conda install.
        help         Displays a list of available conda commands and their help
                     strings.
        list         List linked packages in a conda environment.
        search       Search for packages and display their information. The input
                     is a Python regular expression. To perform a search with a
                     search string that starts with a -, separate the search from
                     the options with --, like 'conda search -- -h'. A * in the
                     results means that package is installed in the current
                     environment. A . means that package is not installed but is
                     cached in the pkgs directory.
        create       Create a new conda environment from a list of specified
                     packages.
        install      Installs a list of packages into a specified conda
                     environment.
        update       Updates conda packages to the latest compatible version. This
                     command accepts a list of package names and updates them to
                     the latest versions that are compatible with all other
                     packages in the environment. Conda attempts to install the
                     newest versions of the requested packages. To accomplish
                     this, it may update some packages that are already installed,
                     or install additional packages. To prevent existing packages
                     from updating, use the --no-update-deps option. This may
                     force conda to install older versions of the requested
                     packages, and it does not prevent additional dependency
                     packages from being installed. If you wish to skip dependency
                     checking altogether, use the '--force' option. This may
                     result in an environment with incompatible packages, so this
                     option must be used with great caution.
        upgrade      Alias for conda update. See conda update --help.
        remove       Remove a list of packages from a specified conda environment.
        uninstall    Alias for conda remove. See conda remove --help.
        config       Modify configuration values in .condarc. This is modeled
                     after the git config command. Writes to the user .condarc
                     file (/Users/lei.wang/.condarc) by default.
        init         Initialize conda into a regular environment (when conda was
                     installed as a Python package, e.g. using pip). (DEPRECATED)
        clean        Remove unused packages and caches.
        package      Low-level conda package utility. (EXPERIMENTAL)
        bundle       Create or extract a "bundle package" (EXPERIMENTAL)
    ...
    

    信息太长了,后面的部分就不列举了。不过看到前面这部分选项,就已经足够让我们兴奋了:基本的list,search,install,upgrade,uninstall等功能都包含,说明我们可以向apt-get一样方便管理python的各种依赖了。。。

    先list一下,查看里面都带了哪些牛逼闪闪的科学计算包:

    ei.wang ~ $ conda list
    # packages in environment at /Users/lei.wang/anaconda:
    #
    _nb_ext_conf              0.2.0                    py27_0
    alabaster                 0.7.8                    py27_0
    anaconda                  4.1.1               np111py27_0
    anaconda-client           1.4.0                    py27_0
    anaconda-navigator        1.2.1                    py27_0
    appnope                   0.1.0                    py27_0
    appscript                 1.0.1                    py27_0
    argcomplete               1.0.0                    py27_1
    astropy                   1.2.1               np111py27_0
    babel                     2.3.3                    py27_0
    backports                 1.0                      py27_0
    backports_abc             0.4                      py27_0
    beautifulsoup4            4.4.1                    py27_0
    bitarray                  0.8.1                    py27_0
    blaze                     0.10.1                   py27_0
    bokeh                     0.12.0                   py27_0
    boto                      2.40.0                   py27_0
    bottleneck                1.1.0               np111py27_0
    cdecimal                  2.3                      py27_2
    cffi                      1.6.0                    py27_0
    chest                     0.2.3                    py27_0
    click                     6.6                      py27_0
    cloudpickle               0.2.1                    py27_0
    clyent                    1.2.2                    py27_0
    colorama                  0.3.7                    py27_0
    conda                     4.1.6                    py27_0
    conda-build               1.21.3                   py27_0
    conda-env                 2.5.1                    py27_0
    configobj                 5.0.6                    py27_0
    configparser              3.5.0b2                  py27_1
    contextlib2               0.5.3                    py27_0
    cryptography              1.4                      py27_0
    curl                      7.49.0                        0
    cycler                    0.10.0                   py27_0
    cython                    0.24                     py27_0
    cytoolz                   0.8.0                    py27_0
    dask                      0.10.0                   py27_0
    datashape                 0.5.2                    py27_0
    decorator                 4.0.10                   py27_0
    dill                      0.2.5                    py27_0
    docutils                  0.12                     py27_2
    dynd-python               0.7.2                    py27_0
    entrypoints               0.2.2                    py27_0
    enum34                    1.1.6                    py27_0
    et_xmlfile                1.0.1                    py27_0
    fastcache                 1.0.2                    py27_1
    flask                     0.11.1                   py27_0
    flask-cors                2.1.2                    py27_0
    freetype                  2.5.5                         1
    funcsigs                  1.0.2                    py27_0
    functools32               3.2.3.2                  py27_0
    futures                   3.0.5                    py27_0
    get_terminal_size         1.0.0                    py27_0
    gevent                    1.1.1                    py27_0
    greenlet                  0.4.10                   py27_0
    grin                      1.2.1                    py27_3
    h5py                      2.6.0               np111py27_1
    hdf5                      1.8.16                        0
    heapdict                  1.0.0                    py27_1
    idna                      2.1                      py27_0
    imagesize                 0.7.1                    py27_0
    ipaddress                 1.0.16                   py27_0
    ipykernel                 4.3.1                    py27_0
    ipython                   4.2.0                    py27_1
    ipython_genutils          0.1.0                    py27_0
    ipywidgets                4.1.1                    py27_0
    itsdangerous              0.24                     py27_0
    jbig                      2.1                           0
    jdcal                     1.2                      py27_1
    jedi                      0.9.0                    py27_1
    jinja2                    2.8                      py27_1
    jpeg                      8d                            1
    jsonschema                2.5.1                    py27_0
    jupyter                   1.0.0                    py27_3
    jupyter_client            4.3.0                    py27_0
    jupyter_console           4.1.1                    py27_0
    jupyter_core              4.1.0                    py27_0
    libdynd                   0.7.2                         0
    libpng                    1.6.22                        0
    libtiff                   4.0.6                         2
    libxml2                   2.9.2                         0
    libxslt                   1.1.28                        2
    llvmlite                  0.11.0                   py27_0
    locket                    0.2.0                    py27_1
    lxml                      3.6.0                    py27_0
    markupsafe                0.23                     py27_2
    matplotlib                1.5.1               np111py27_0
    mistune                   0.7.2                    py27_1
    mkl                       11.3.3                        0
    mkl-service               1.1.2                    py27_2
    mpmath                    0.19                     py27_1
    multipledispatch          0.4.8                    py27_0
    nb_anacondacloud          1.1.0                    py27_0
    nb_conda                  1.1.0                    py27_0
    nb_conda_kernels          1.0.3                    py27_0
    nbconvert                 4.2.0                    py27_0
    nbformat                  4.0.1                    py27_0
    nbpresent                 3.0.2                    py27_0
    networkx                  1.11                     py27_0
    nltk                      3.2.1                    py27_0
    nose                      1.3.7                    py27_1
    notebook                  4.2.1                    py27_0
    numba                     0.26.0              np111py27_0
    numexpr                   2.6.0               np111py27_0
    numpy                     1.11.1                   py27_0
    odo                       0.5.0                    py27_1
    openpyxl                  2.3.2                    py27_0
    openssl                   1.0.2h                        1
    pandas                    0.18.1              np111py27_0
    partd                     0.3.4                    py27_0
    path.py                   8.2.1                    py27_0
    pathlib2                  2.1.0                    py27_0
    patsy                     0.4.1                    py27_0
    pep8                      1.7.0                    py27_0
    pexpect                   4.0.1                    py27_0
    pickleshare               0.7.2                    py27_0
    pillow                    3.2.0                    py27_1
    pip                       8.1.2                    py27_0
    ply                       3.8                      py27_0
    psutil                    4.3.0                    py27_0
    ptyprocess                0.5.1                    py27_0
    py                        1.4.31                   py27_0
    pyasn1                    0.1.9                    py27_0
    pyaudio                   0.2.7                    py27_0
    pycosat                   0.6.1                    py27_1
    pycparser                 2.14                     py27_1
    pycrypto                  2.6.1                    py27_4
    pycurl                    7.43.0                   py27_0
    pyflakes                  1.2.3                    py27_0
    pygments                  2.1.3                    py27_0
    pyopenssl                 0.16.0                   py27_0
    pyparsing                 2.1.4                    py27_0
    pyqt                      4.11.4                   py27_3
    pytables                  3.2.2               np111py27_4
    pytest                    2.9.2                    py27_0
    python                    2.7.12                        1
    python-dateutil           2.5.3                    py27_0
    python.app                1.2                      py27_4
    pytz                      2016.4                   py27_0
    pyyaml                    3.11                     py27_4
    pyzmq                     15.2.0                   py27_1
    qt                        4.8.7                         3
    qtconsole                 4.2.1                    py27_0
    qtpy                      1.0.2                    py27_0
    readline                  6.2                           2
    redis                     3.2.0                         0
    redis-py                  2.10.5                   py27_0
    requests                  2.10.0                   py27_0
    rope                      0.9.4                    py27_1
    ruamel_yaml               0.11.7                   py27_0
    scikit-image              0.12.3              np111py27_1
    scikit-learn              0.17.1              np111py27_2
    scipy                     0.17.1              np111py27_1
    setuptools                23.0.0                   py27_0
    simplegeneric             0.8.1                    py27_1
    singledispatch            3.4.0.3                  py27_0
    sip                       4.16.9                   py27_0
    six                       1.10.0                   py27_0
    snowballstemmer           1.2.1                    py27_0
    sockjs-tornado            1.0.3                    py27_0
    sphinx                    1.4.1                    py27_0
    sphinx_rtd_theme          0.1.9                    py27_0
    spyder                    2.3.9                    py27_0
    sqlalchemy                1.0.13                   py27_0
    sqlite                    3.13.0                        0
    ssl_match_hostname        3.4.0.2                  py27_1
    statsmodels               0.6.1               np111py27_1
    sympy                     1.0                      py27_0
    terminado                 0.6                      py27_0
    tk                        8.5.18                        0
    toolz                     0.8.0                    py27_0
    tornado                   4.3                      py27_1
    traitlets                 4.2.1                    py27_0
    unicodecsv                0.14.1                   py27_0
    werkzeug                  0.11.10                  py27_0
    wheel                     0.29.0                   py27_0
    xlrd                      1.0.0                    py27_0
    xlsxwriter                0.9.2                    py27_0
    xlwings                   0.7.2                    py27_0
    xlwt                      1.1.2                    py27_0
    xz                        5.2.2                         0
    yaml                      0.1.6                         0
    zlib                      1.2.8                         3
    

    好吧,至少我常用的都已经在这了。太方便了。

    5.写个demo测试一下sklearn

    为了测试一下是不是真像传说中那么好用,从网络上现找了部分简单的测试代码:

    #!/usr/bin/env python
    #coding:utf-8
    
    '''
    Created on 2016年7月15日
    
    @author: lei.wang
    '''
    
    import numpy as np
    import urllib
    from sklearn import preprocessing
    from sklearn import metrics
    from sklearn.ensemble import ExtraTreesClassifier
    from sklearn.linear_model import LogisticRegression
    
    
    def t1():
        url = "http://archive.ics.uci.edu/ml/machine-learning-databases/pima-indians-diabetes/pima-indians-diabetes.data"
        raw_data = urllib.urlopen(url)
        dataset = np.loadtxt(raw_data,delimiter=",")
        X = dataset[:,0:7]
        y = dataset[:,8]
        
        # normalize the data attributes
        normalized_X = preprocessing.normalize(X)
        # standardize the data attributes
        standardized_X = preprocessing.scale(X)
    
        model = ExtraTreesClassifier()
        model.fit(X, y)
        # display the relative importance of each attribute
        print model.feature_importances_
        
        model = LogisticRegression()
        model.fit(X, y)
        print(model)
        # make predictions
        expected = y
        predicted = model.predict(X)
        # summarize the fit of the model
        print(metrics.classification_report(expected, predicted))
        print(metrics.confusion_matrix(expected, predicted))
    
    t1()
    

    让代码run起来,得到如下结果:

    [ 0.13697671  0.26771573  0.11139943  0.08658428  0.079841    0.16862413
      0.1488587 ]
    LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
              intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1,
              penalty='l2', random_state=None, solver='liblinear', tol=0.0001,
              verbose=0, warm_start=False)
                 precision    recall  f1-score   support
    
            0.0       0.79      0.89      0.84       500
            1.0       0.74      0.55      0.63       268
    
    avg / total       0.77      0.77      0.77       768
    
    [[447  53]
     [120 148]]
    
    

    好吧,sklearn表现正常,能正常输出预期结果。看来,Anaconda确实是为搞算法与数据的同志们提供了一个非常好的工具,省去了我们各种搭环境找依赖包的烦恼!向开发了这么好用工具的程序猿们致敬!

    展开全文
  • 它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等,主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号...
  • 用Python做科学计算

    千次阅读 2016-04-16 19:23:36
    版权声明 本书的著作权归作者(HYRY Studio)所有。你可以: 下载、保存以及打印本书网络链接、转载本书的部分或者全部内容,但是必须在明显处提供读者访问本书发布网站的链接在你的程序中任意使用本书所附的程序...
  • scipy: 科学计算

    万次阅读 2014-04-09 19:13:22
    Scipy:高端科学计算 作者:Adrien Chauve, Andre Espaze, Emmanuelle Gouillart, Gaël Varoquaux, Ralf Gommers 翻译自:scipy lecture notes 译者表示最后部分没怎么看懂,此文档维护中…… Scipy ...
  • Julia语言:让高性能科学计算人人可用 发表于2014-03-12 10:31| 23083次阅读| 来源《程序员》| 18 条评论| 作者卢鸫翔,王江平 《程序员》杂志2014年3月刊Julia科学计算编程语言特别策划 摘要:...
  • python科学计算之anaconda

    千次阅读 2017-01-11 14:46:09
    简介  利用python进行科学计算需要安装很多模块,如numpy、scipy、pandas、matplotlib等,而这些模块又依赖其他的软件包或库,因而安装使用起来相当麻烦。本文介绍的anaconda是将python科学计算所需要的模块都编译...
  • 很多同学因为需要跑一些高负荷的计算程序,会考虑在项目中采购高配置电脑或使用超算。超算当然好,就是折腾起来不方便,所以个人(项目)的高配置电脑还是必要的。至于性能过剩,那是给轻度办公日常玩小游戏的人说的...
  • Python科学计算函数库介绍

    千次阅读 2014-07-06 10:35:27
    NumPy为Python提供了快速的多维数组处理的能力,而SciPy则在NumPy基础上添加了众多的科学计算所需的各种工具包,有了这两个库,Python就有几乎和Matlab一样的处理数据和计算的能力了。 NumPy和SciPy官方网址: ...
  • 收集的Java科学计算

    万次阅读 2014-07-01 13:41:31
    Java科学计算
  • 【python科学计算发行版】

    千次阅读 2016-10-27 17:48:04
    python科学计算发行版python是科学计算的有力工具,但在进行计算过程中需要安装很多依赖包,会对使用造成不便,所以总结了一下几个包含丰富科学计算包的python发行版本供参考。
  • 收集的Java科学计算

    千次阅读 2017-01-05 18:28:56
    科学计算框架 Catalano http://www.oschina.NET/p/catalano Catalano Framework 是一个 Java 和 Android 的科学计算框架。 主要计算功能: 图像处理 模糊逻辑 数学计算 统计 机器学习
  • Python 科学计算基础 (整理)

    千次阅读 2016-07-29 09:35:04
    python 科学计算
  • 原著:Fahad Gilani翻译:yy2better 原文出处:MSDN Magazine March 2004(C# In-Depth)下载此文章的代码 ScientificC.exe (127KB)本文假定你熟悉 C# 摘要 C#语言在多种项目中应用的相当成功,它们包括 W
  • 安装Anaconda科学计算

    千次阅读 2017-04-25 00:50:19
    在这本书的最后,介绍了一些Python常用的第三方类库,像科学计算库、金融计算库、图形图像库等等。其中也介绍了Anaconda。不过其实Anaconda我之前在网上就了解了一下,不过感觉没啥用。但是看了这本书之后,我感觉...
  • 三款开源科学计算软件平台

    千次阅读 2014-07-26 09:32:23
    开源的科学计算引擎
  • C++各大有名科学计算

    千次阅读 2018-06-11 16:35:26
    C++各大有名科学计算库 C++各大有名科学计算库 Blitz++ (http://www.oonumerics.org/blitz) POOMA (http://www.codesourcery.com/pooma/pooma) MTL (http://www.osl.iu.edu/research/mtl) CGAL ...

空空如也

1 2 3 4 5 ... 20
收藏数 381,965
精华内容 152,786
关键字:

科学计算