Публикации по теме 'numpy'
Практический NumPy - Понимание библиотеки Python через ее функции
Прежде чем отправиться в путешествие по науке о данных и машинному обучению, очень важно изучить несколько библиотек Python, которые повсеместно распространены в мире науки о данных, таких как Numpy, Pandas и Matplotlib. Numpy - одна из таких мощных библиотек для обработки массивов вместе с большой коллекцией высокоуровневых математических функций для работы с этими массивами. Эти функции делятся на категории, такие как линейная алгебра, тригонометрия, статистика, манипуляции с..
Объяснение Numpy, Pandas и SciKit Learn.
Откройте для себя Numpy, Pandas и SciKit Learn.
Начиная с машинного обучения, вы видите термины Numpy, Pandas и SciKit Learn, упомянутые вокруг, независимо от того, актуальны они или нет. Эта статья поможет вам понять каждый термин и обязательно пригодится, когда вы будете заняты осваиванием машинного обучения.
Numpy
Numpy означает числовой питон. Судя по названию, это библиотека с открытым исходным кодом для языка программирования Python. Я слышал, вы думаете: «Еще одна..
Секретное оружие Python: как использовать *args и **kwargs
Наука о данных
Секретное оружие Python: как использовать *args и **kwargs
Распаковка списков аргументов с помощью *args и **kwargs для интервью Python
Введение
В Python одинарная звездочка ( * ) и двойная звездочка ( ** ) используются в качестве специального синтаксиса для передачи переменного количества аргументов в функцию. Этот специальный синтаксис известен как *args и **kwargs , и он позволяет вам передавать переменное количество аргументов в функцию более гибким и..
Начиная с машинного обучения🤖 (день 1)
По словам Артура Самуэля, «алгоритмы машинного обучения позволяют компьютерам учиться на основе данных и даже улучшать себя без явного программирования».
Машинное обучение (ML) - это категория алгоритмов, которые позволяют программным приложениям более точно прогнозировать результаты без явного программирования. Основная предпосылка машинного обучения - создание алгоритмов, которые могут получать входные данные и использовать статистический анализ для прогнозирования выходных данных..
Как векторизовать метрики попарного (не) сходства
Практические руководства
Как векторизовать метрики попарного (не) сходства
Простой шаблон для векторизации таких показателей, как расстояние L1 и пересечение по объединению для всех пар точек.
Вы можете векторизовать целый класс метрик попарного (несходства) сходства с одним и тем же шаблоном в NumPy, PyTorch и TensorFlow. Это важно, когда на каком-то этапе анализа данных или алгоритма машинного обучения вам необходимо вычислить эти попарные метрики, потому что вы, вероятно, не..
Нейронные сети, которые вы можете попробовать реализовать с нуля (для начинающих)
Я читал твит, в котором говорилось о том, насколько полезно создавать нейронные сети с нуля. Как это позволило лучше понять тему. Автор сказал, что он нашел это более полезным, чем другие люди, объясняющие ему концепцию.
Пока не согласен с мнением автора, что это останавливает необходимость пояснений. Это, безусловно, помогает понять свою модель.
Я рекомендую попробовать. В сообщении в блоге я предложу, какие модели вы должны попробовать реализовать с нуля, используя NumPy или..
Как ускорить код Python, использующий NumPy
Непрерывность массива и ее влияние на время выполнения кода
Джей Джей Броснан
NumPy — самый популярный модуль Python . Программисты приветствуют его набор инструментов для структуры N-мерных массивов и множество методов, которые можно использовать для их создания, изменения и обработки. Он также служит основой для структур данных, предоставляемых популярными модулями, включая Pandas DataFrames , тензоры TensorFlow , тензоры PyTorch и многие другие. Кроме того, NumPy написан..
