原创 Python:計算類別分佈CalculateClassDistribution
import numpy as np import pandas as pd from sklearn import datasets from sklearn.ensemble import RandomForestClassifie
原创 Python調用matlab 函數
在python中啓動matlab: engine = matlab.engine.start_matlab() 如果輸入的變量X是表格式的數據(n*d),即 ndarray格式,需要進行轉換後再輸入: data_list= matla
原创 Python:將sklearn自帶數據轉存爲CSV文件
import numpy as np import pandas as pd from sklearn import datasets X,y = datasets.load_breast_cancer(return_X_y=True
原创 Python:一排三個子圖
import matplotlib.pyplot as plt import numpy as np import pandas as pd path1 = r"D:\ExperimentalData\Jain\jain.csv" pa
原创 MATLAB:生成一個雙環二維數據
N = 200; rA = ones(1,N)*2+0.5*rand(1,N); rB = ones(1,N)+0.5*rand(1,N); thetaPos = pi*(2.*[1:N]./N); zeroA = [0,0]; z
原创 Python : 一排三個子圖(二)
import matplotlib.pyplot as plt import numpy as np import pandas as pd path11 = r"D:\ExperimentalData\Jain\multiCenter
原创 MATLAB:sum()函數的使用
sum(W,1)豎着加,輸出一個行向量 sum(W,2)橫着加,輸出一個列向量 w = [1,2,3;1,2,3;1,2,3] D = sum(w,2)
原创 文獻溯源
K-Medoid algorithm Kaufman L , Rousseeuw P J . Finding Groups in Data: An Introduction to Cluster Analysis[M]. John Wi
原创 Python:New Balanced Active Learning Model and Optimization Algorithm--2018IJCAI
參考文獻:New Balanced Active Learning Model and Optimization Algorithm--2018IJCAI 原文代碼找了好久沒有找到,至少Github上沒有找到(2020-06-10之前)
原创 Matlab:sparse()和full()兩個常用函數的理解。
sparse函數 功能:Create sparse matrix-創建稀疏矩陣 用法1:S=sparse(X)——將矩陣X轉化爲稀疏矩陣的形式,即矩陣X中任何零元素去除,非零元素及其下標(索引)組成矩陣S。 如果X本身是稀疏的,spars
原创 Python:在python中調用Weka的方法
讓您你們失望了,我啥都沒寫。 提供鏈接 https://blog.csdn.net/weixin_30832351/article/details/94889557
原创 Python:兩個ndarray數據進行矩陣乘法
import numpy as np a = np.array([[1,2,3],[1,2,3],[1,2,3]]) # print(a) # print(a ** 2) c = np.array([1,2,3]) b = np.arr
原创 Python: numpy.random的使用
import numpy as np print(np.random.random()) 0.7714546557122427 輸出單個0-1之間的隨機數 import numpy as np print(np.random.r
原创 Python:相對標準的DPC
import numpy as np import pandas as pd import copy import matplotlib.pyplot as plt from sklearn import datasets from s
原创 Python:代碼實現邏輯迴歸
import numpy as np import pandas as pd import math from sklearn import datasets class LogisticRegression: def __i