ちなみに Matplotlib はおそらく2次元グラフィック用の Python パッケージの決定版です。高速なデータの可視化手法や出版品質の図を多くのフォーマットで提供します。これから対話モードで matplotlib の機能を調べていきましょう。 ほとんどの状況は対話モードですませることができます。
ちなみに Matplotlib はおそらく2次元グラフィック用の Python パッケージの決定版です。高速なデータの可視化手法や出版品質の図を多くのフォーマットで提供します。これから対話モードで matplotlib の機能を調べていきましょう。 ほとんどの状況は対話モードですませることができます。
1.5. Scipy: 高水準の科学技術計算¶ 著者: Adrien Chauve, Andre Espaze, Emmanuelle Gouillart, Gaël Varoquaux, Ralf Gommers Scipy scipy パッケージは科学技術計算での共通の問題のための多様なツールボックスがあります。サブモジュール毎に応用範囲が異なっています。応用範囲は例えば、補完、積分、最適化、画像処理、統計、特殊関数等。 scipy は GSL (GNU Scientific Library for C and C++) や Matlab のツールボックスのような他の標準的な科学技術計算ライブラリと比較されます。 scipy は Python での科学技術計算ルーチンの中核となるパッケージです; これは numpy の配列を効率良く扱っているということで、numpy と scipy は
醜いより美しい方がいい。暗示するより明示する方がいい。 Pythonの禅 より 私はよく、ドロイドやジェダイ、惑星、ライトセーバー、スターファイターなどのコレクショングッズを題材にしてプログラムを書きます。Pythonでプログラミングをする際は大抵、これらをリストやセット、辞書として表現するわけです。私は日頃からコレクショングッズをさまざまな形に変身させたいと思っています。そして、その願望を叶えてくれるのが、内包表記という強力な記法です。内包表記は私がさまざまな場面で使っている手法であり、Pythonを使い続けている理由の1つでもあります。では、いくつか例と共に、内包表記がいかに便利かを説明していきましょう。 以下の例に出てくる処理はどれも、種類豊富なPythonの標準ライブラリがあれば実装できます。その中には、より簡潔で効率の良い処理に改善できるものもあるでしょう。とはいえ、私は標準ライ
SREチームの @kazeburo です。2016年4月23日(土曜日)に発売される WEB+DB PRESS Vol.92より、メルカリSREチームメンバーによる連載が開始されます。 gihyo.jp 連載1回目は @kazeburo が書かせていただきました。 連載タイトルは「大規模インフラ運用最前線 〜 増え続けるデータをどう処理し、活用するか」となります。ユーザからの大量のリクエストを受ける大規模Webサービスでは、そのレスポンスを構築する過程で膨大な量のデータを生み出し、処理しています。メルカリも例外ではなくサービスが急成長する中で増え続けるデータをどのように扱い、常にパフォーマンスよくリクエストに応えるかが常に課題となっています。さらに今では、大量のデータを分析したり、機械学習に活用することで新しい価値を生み出すことがWebサービスの発展に欠かせなくなってきています。 連載の1
2016年3月、社員旅行で訪れたタイ国ホアヒン、タイ王室ゆかりの地にて社員数十名が全裸で騒いだ件が株式会社DYMの評判としてネットで話題になりました。 タイの王室保養地で、日本人20人が全裸狂乱事件…国際問題に発展、タイ国内が騒然/ (魚拓) さて、この話題はどのように検索結果に表示されているでしょうか。 4/10と4/21に[DYM]と検索した結果を見比べてみましょう。 赤枠が事件を紹介した記事です。4/10に5枠あったものが2枠に減りました。 そのかわりに現れた表示がこちらです。 前回このブログでは、DMCA申請が悪評隠しに悪用されたと思われる事例をご紹介しました。 そして今回も本来クリエイターの著作権を守るためのDMCA(デジタルミレニアム著作権法)が、タイ国での騒動という株式会社DYMの評判に影響するのを隠そうと悪用されたものだと考えます。 この株式会社DYMは、ネット上での悪評隠
トップページ→研究分野と周辺→ニューラルネットワーク→ サポートベクターマシン（SVM）は、1995年頃にAT&TのV.Vapnikが発表したパターン識別用の教師あり機械学習方法であり、局所解収束の問題が無い長所がある。 「マージン最大化」というアイデア等で汎化能力も高め、現在知られている方法としては、最も優秀なパターン識別能力を持つとされている。 また、カーネル・トリックという魔法のような巧妙な方法で、線形分離不可能な場合でも適用可能になった事で応用範囲が格段に広がり、近年研究が盛んになっている。 しかし、データを2つのグループに分類する問題には優れているが、多クラスの分類にそのまま適用出来ず、計算量が多い、カーネル関数の選択の基準も無い等の課題も指摘され、一概に誤差逆伝播法等と比較して優れていると言い切れるものでもない。 SVMは厳密にはニューラルネットワークではないが、中間層から出力
トップページ→研究分野と周辺→ 基本的構造 ニューラルネットワーク（Nueral Network：人工神経回路）は、生物の神経細胞ネットワークの挙動を模倣する工学モデル。図の円（ノード）は或る細胞、矢印は刺激の伝播を表す。或る細胞（A）は複数の細胞（X1～Xn）から刺激を受ける。ここでX1～Xnは細胞の名であると同時に其々の細胞が出力する刺激の程度も示す。Aと他の各細胞には結合の強さ（両方の細胞の親密度に該当。或る細胞の出力刺激の、別の或る細胞への伝わり易さ）を示すW1～Wnの結合係数が在る。Aに入力される刺激の総量はW1×X1＋W2×X2＋・・・Wn×Xnという総和になる。Wは負数の場合もあり、負数のWで結合している細胞が興奮（出力）すると、逆にAへの入力は減る事になる。 Aに入力された刺激の総量から或る値（θ）を引いたものが、Aの内部状態In(A)となり、これを或る関数（出力関数）に通
Pythonで一番有名で普及しているライブラリと言っても過言ではない「Numpy」の覚書きです。かなり多機能な数値計算ライブラリで、内部はC言語で記述されているため超高速に動作します。 ベクトル ベクトルの長さ＆正規化 import numpy a = numpy.array([[2,2]]) #ベクトルの長さ length = numpy.linalg.norm(a) #length=>2.8284271247461903 #ベクトルの正規化 a / numpy.linalg.norm(a) #=>array([[ 0.70710678, 0.70710678]]) 内積＆外積 import numpy v1 = numpy.array((1,0,0)) v2 = numpy.array((0,1,0)) #内積 numpy.dot(v1,v2) #=> 0 #外積 numpy.cros
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
