Une note sur la création d'un environnement d'interaction de type Octave avec Python.
Tout d'abord, installez Miniconda (Anaconda est également acceptable). Cela rend l'installation extrêmement facile.
Après l'installation, vous pourrez utiliser une commande appelée conda qui vous permet de créer un environnement virtuel, alors utilisez-la pour créer un environnement interactif.
conda create -n my_env ipython numpy matplotlib scipy scikit-learn cython
Lorsque vous avez terminé, faites ʻactivate my_env` pour activer l'environnement et démarrez la console interactive avec ipython. C'est tout.
Le flux de traitement susceptible d'être utilisé est décrit ci-dessous.
import numpy as np
import matplotlib.pyplot as plt
#Lire les données d'entraînement à partir du fichier csv(La première ligne est l'hypothèse d'en-tête)
D = np.genfromtxt("training_data.csv", delimiter=",", skip_header=1)
#Découpez les données dans un vecteur
y = D[:,0] #Découpez les données dans la 0ème colonne(0 ici/Supposons que le résultat de classification de 1 soit inclus)
x1 = D[:,1] #Découpez les données dans la première colonne
x2 = D[:,2] #Découpez les données dans la deuxième colonne
#Fonction pour normaliser le vecteur(Définir la moyenne 0, écart type 1)
def regz(vector):
return (vector - np.average(vector)) / np.std(vector)
x1_s = regz(x1)
x2_s = regz(x2)
plt.scatter(x1_s[y==1], x2_s[y==1], c="red") # y==Tracez 1 minute de données
plt.scatter(x1_s[y==0], x2_s[y==0], c="blue") # y==Tracez 0 minute de données
plt.show()
Recommended Posts