原创 偏最小二乘 PLS _B < 二>
這是第二部分求最佳的預測係數B的代碼#encoding:utf-8 # 導入numpy包 import numpy as np #定義一個PLS的類 class PLS(object): def comput(self,p
原创 python 的 matplotlib畫圖 畫曲線圖
<span style="font-size:24px;">#encoding:utf-8 #1.繪製曲線: import numpy as np import matplotlib.pyplot as plt x = np.linspa
原创 Python冒泡算法精講
<pre class="python" name="code">data = [] for i in range(3): # 控制用戶輸入三個數 data.append(input()) #將用戶輸入的數加進列表 class S
原创 matplotlib 畫圖 三維圖
#繪製三維圖 import numpy as np import mpl_toolkits.mplot3d import matplotlib.pyplot as plt x,y=np.mgrid[-2:2:20j,-2:2:20j] z
原创 PLS 偏最小二乘算法 demo
現在網上大部分都是PLS的一些方法,下面我具體的展示一下代碼, 分爲四個部分,demo(演示),PLS_B(訓練B值),PRE(預測部分),DRAW(畫圖)總共四個部分,先來第一部分,具體的算法原理網上很多教程,這裏就不多說了,直接上代碼
原创 matplotlib 畫圖 條形圖
#繪製條形圖 import numpy as np import matplotlib.pyplot as plt y=[] plt.figure(1) width=1 for i in range(len(y)): plt.fi
原创 matplotlib 畫圖 散列圖
4.繪製散列圖 import matplotlib.pyplot as plt import numpy as np import random plt.figure(figsize=(8,4)) x=np.random.random(1
原创 PLS偏最小二乘 畫圖部分
這裏是畫圖部分,具體的就不多講了,不懂的可以私信我#encoding:utf-8 # 導入相應的包 from pylab import * import numpy as np import matplotlib.pyplot as p
原创 偏最小二乘 PLS erro 誤差部分 < 三>
這部分是誤差預測的部分#encoding:utf-8 import numpy as np def Erro(pc, X, Y, B,Y_mean):# 將前面的得到的參數傳進來 erro=np.zeros
原创 python matplotlib畫圖 畫多個子圖
""" 繪製多個子圖 一個Figure對象可以包含多個子圖(Axes),在matplotlib中用Axes對象表示一個繪圖區域,稱爲子圖,可以使用subplot()快速繪製包含多個子圖的圖表,它的調用形式如下: subplot(numRo
原创 將讀取的數據分爲測試數據和訓練數據
網上找了好多頁沒有找到如何把數據分開的代碼,我今天給大家寫一個比較簡單的把讀取的數據分開的方法 #encoding:utf-8 #從sklearn包中導入cross_balidation包 from sklearn import cro
原创 正確處理InterruptException
/** * interrupt()方法、isInterrupted()方法、interrupted()方法 */ public class Interrupt { public static void main(String[
原创 ABAC基於屬性的訪問控制
一、簡單介紹 常用的基於角色的訪問控制,最近研究關於基於屬性的訪問控制,感覺這個東西確實是個好東西,把自己的研究內容拿出來跟大家分享下。先簡單瞭解下 用戶在攜帶自身的屬性值包括主題屬性,資源屬性,環境屬性,然後向資源發送請
原创 Eclipse 配置python的開發環境
第一篇講在Eclipse中搭建Python開發環境,第二篇,主要講一些配置。 第一篇: 在Eclipse中搭建Python開發環境 正文 首先我們需要明白一點——Eclipse作爲一個灰常優秀的開發工具,它可被用作N多語言的ID
原创 向前段返回字段的格式定義
import java.util.HashMap; import java.util.Map; /** * @Author: zhouheng * @Created: with IntelliJ IDEA. * @Descrip