n n Python 1 Python 2 Jupyter notebook
n n Python�境搭建 1. Python 安装 2. Jupyter notebook �程器安装使用 Python�程基� 1. Python��符 2. Python�准数据�型 3. Python�句 4. Python运算符 5. 代码组 6. Python流程控制 7. Python 函数 8. Python 模� 9. Python � 10. 命名空间和作用域 Python�准� Python机器学�� 1. Num. Py 2. Sci. Py 3. Pandas 4. Scikit-learn 深度学习原理与Tensorflow实践 5. 2 黄理灿 © 2019
jupyter notebook 的Python代��算 深度学习原理与Tensorflow实践 5. 8 黄理灿 © 2019
n 更改Jupyter notebook的 作空间 在cmd中输入jupyter notebook --generate-config, 找到配置文件的位置。 ## The directory to use for notebooks and kernels. #c. Notebook. App. notebook_dir = u'' 改�如下形式: c. Notebook. App. notebook_dir = 'e: pythontest‘ n 保存单元格为. py程序文件。 File 菜� ->download as ->Python(. py)。 n 将本地的. py文件上载到jupyter的一个单元格中 loadl test. py n 从网络上载代码到jupyter 例如,%load https: //matplotlib. org/mpl_examples/color_cycle_demo. py n jupyter运行python文件 %run test. py 深度学习原理与Tensorflow实践 5. 9 黄理灿 © 2019
Python 机器学�� --Num. Py Ndarray�象的方法 n ndarray. ptp(axis=None, out=None) : 返回数�的最大� —最小�或者某�的最大� —最小� n ndarray. clip(a_min, a_max, out=None) : 小于最小�的元素���最小�,大于最大�的元素��最大�。 n ndarray. all():如果所有元素都�真,那么返回真;否�返回假。 n ndarray. any():只要有一个元素�真�返回真。 n ndarray. swapaxes(axis 1, axis 2) : 交�两个�的元素, n ndarray. reshape(shape[, order]) : 返回重命名数�大小后的数�,不改�元素个数。 n ndarray. resize(new_shape[, refcheck]) : 改�数�的大小(可以改�数�中元素个数)。 n ndarray. transpose(*axes) : 返回矩�的�置矩�。 n ndarray. swapaxes(axis 1, axis 2) : 交�两个�的元素后的矩�。 n ndarray. flatten([order]) : 复制一个一�的array。 n ndarray. ravel([order]) : 返回�展平后的一�数�。 n ndarray. squeeze([axis]) : 移除�度� 1的�。 n ndarray. tolist(): 将数��化�列表。 n ndarray. take(indices, axis=None, out=None, mode=’raise’): �得数�的指定索引的数据。 n ndarray. put(a, ind, v, mode=’raise’):用v的�替�数� a中的ind(索引)的�。Mode可以�raise/wrap/clip。Clip:如果�定的ind超�了数�的大小, 那么替�最后一个元素。 n ndarray. repeat(a, repeats, axis=None):重复数�的元素。 n numpy. tile(A, reps):根据�定的reps重复数�A,和repeat不同,repeat是重复元素,�方法是重复数�。 n ndarray. var(axis=None, dtype=None, out=None, ddof=0):返回数�的方差,沿指定的�。 n ndarray. std(axis=None, dtype=None, out=None, ddof=0):沿�定的�返回数�的�准差 n ndarray. prod(axis=None, dtype=None, out=None):返回指定�的所有元素乘�。 n ndarray. cumprod(axis=None, dtype=None, out=None):返回指定�的累� n ndarray. mean(axis=None, dtype=None, out=None):返回指定�的数�元素均�。 n ndarray. cumsum(axis=None, dtype=None, out=None):返回指定�的元素累�和。 n ndarray. sum(axis=None, dtype=None, out=None):返回指定�所有元素的和。 n ndarray. trace(offset=0, axis 1=0, axis 2=1, dtype=None, out=None):返回沿�角�的数�元素之和。 n ndarray. round(decimals=0, out=None):将数�中的元素按指定的精度�行四舍五入。 n ndarray. conj():返回所有复数元素的共�复数。 n ndarray. argmin(axis=None, out=None): 返回指定�最小元素的索引。 n ndarray. min(axis=None, out=None):返回指定�的最小�。 n ndarray. argmax(axis=None, out=None):返回指定�的最大元素索引�。 n ndarray. diagonal(offset=0, axis 1=0, axis 2=1):返回�角�的所有元素。 n ndarray. compress(condition, axis=None, out=None):返回指定�上条件下的切片。 n ndarray. nonzero():返回非零元素的索引。 深度学习原理与Tensorflow实践 5. 41 黄理灿 © 2019
Python 机器学�� -- Scikit-learn n Scikit-learn回� 已经实现的算法包括:支持向量回归(support vector regression SVR)、脊回归或称岭回归((Ridge Regression) 、Lasso回归(Least absolute shrinkage and selection operator)、 弹性网络回归(Elastic. Net Regression)、最小角回归(Least Angle Regression LARS)、贝叶斯回归(Bayesian Linear Regression)以及各种不同的鲁棒回归(robust regression)等。 深度学习原理与Tensorflow实践 5. 57 黄理灿 © 2019
Python 机器学�� -- Scikit-learn n Python 机器学�� -- Scikit-learn 深度学习原理与Tensorflow实践 5. 60 黄理灿 © 2019
- Slides: 63