Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer du chapitre 2

What Cet article résume ce que j'ai remarqué et ce que j'ai recherché lors de l'apprentissage de l'apprentissage automatique avec Chainer. Il est rédigé d'après ma compréhension, il se peut donc qu'il soit incorrect. Je corrigerai toutes les erreurs.

L'accent est mis aujourd'hui sur l'apprentissage des listes (arrangements)

Content

2. Remarques sur la mise en route de Python suite

liste

Ce que l'on appelle un tableau. Le nombre d'éléments est écrit par len (valeur) dérivée de la longueur. L'opération (tranchage) d'extraction d'une partie seulement de la séquence peut être facilement réalisée.

array[x:y] #x est l'élément de départ, y est le nombre à lire ultérieurement y lu à partir de x

Désignation qui a dit. Les deux x et y peuvent être omis. Lorsque vous utilisez un tableau multidimensionnel, utilisez-le lors de l'extraction d'un tableau spécifique uniquement. S'il s'agit d'un tableau, tous les tableaux seront lus. Pour une raison quelconque, cela ne semble pas être appelé une liste multidimensionnelle. Une opération simple est possible si la valeur est insérée à la fin

array.append(x) #Insérez x à la fin

tuple

Une liste (tableau) dont les valeurs ne peuvent pas être réécrites. Principalement utilisé pour traiter les constantes collectivement. Les mérites peuvent-ils être clairement énoncés? ??

array = (1, 2, 3, 4) #Initialisation
array[0] = 1         #La même lecture que la liste, pratique ou peu pratique ...

Mutable / immuable

Un mot qui indique que la valeur peut être réécrite ou non

Dictionary Python peut également utiliser un ensemble de clés et de valeurs. Par exemple

array_vector = ('x': 10, 'y': 20, 'z': 30)
array_vector['x'] => 10

Vous pouvez obtenir chaque liste avec les clés (), les valeurs (), les éléments (). Chaque valeur de retour dict_key, dict_values, dict_items

Syntaxe de contrôle pour

La syntaxe de contrôle de Python se compose de deux parties, appelées l'en-tête et le bloc. Ensemble, ils sont appelés une déclaration composée.

Et cela. plus loin

Un objet itérable est un objet qui peut renvoyer des éléments un par un. Vous pouvez utiliser la fonction intégrée range () pour renvoyer des entiers dans l'ordre autant de fois que vous donnez l'argument. L'écriture de range (5) en fait un objet itérable qui renvoie cinq entiers, 0, 1, 2, 3, 4 dans l'ordre.

Il semble que l'expression conditionnelle en langage c ne soit pas écrite mais écrite dans l'objet et donnée comme un objet itérable. Lorsque vous donnez une liste avec un nombre variable d'éléments en tant qu'objet itérable

for i in range(len(array)):

Si vous écrivez, le processus sera répété sans excès ni insuffisance pour le nombre d'éléments. Une méthode de description hautement lisible consiste à transmettre la liste elle-même en tant qu'objet itérable.

for i in array:

La fonction intégrée ʻenumerate () est un objet itérable qui, lorsqu'il est passé à un objet itérable, retourne un taple de (numéro d'élément, élément) `. La variable i devient du type tapple

for i, j in enumerate(names) #Nécessite deux variables pour recevoir les éléments tapple

Un objet itérable qui prend plusieurs objets itérables et retourne une paire de leurs éléments en séquence est zip () zip () retourne les objets itérables passés dans un tuple, en commençant par le premier élément. La longueur de cet objet itérable correspond à la longueur la plus courte de l'objet itérable passé.

Peut-il être utilisé lorsque vous souhaitez traiter plusieurs données à la fois? ?? ??

Comment Impression que les fonctions intégrées liées à la liste sont substantielles. Je veux sortir rapidement, mais cela prend beaucoup de temps car le site d'apprentissage est soigneusement rédigé. Demain, nous finirons d'apprendre la syntaxe Python et commencerons à apprendre les mathématiques. Je prévois d'ignorer le contenu connu. Je me souviens un peu de la démarque.

Recommended Posts

Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer du chapitre 2
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitre 7 Analyse de régression
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitre 10 Introduction à Cupy
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitre 9 Introduction à scikit-learn
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer chapitres 1 et 2
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitre 13 Formation sur les réseaux neuronaux ~ Chainer terminé
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitre 13 Bases du réseau neuronal
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer jusqu'à la fin du chapitre 2
Mémo d'étude Python & Machine Learning ④: Machine Learning par rétro-propagation
Mémo de construction d'environnement d'apprentissage automatique par Python
Deep learning / Deep learning from scratch 2 Chapitre 4 Mémo
Deep learning / Deep learning made from scratch Chapitre 3 Mémo
Résumé de l'apprentissage automatique par les débutants de Python
<Pour les débutants> bibliothèque python <Pour l'apprentissage automatique>
Deep Learning / Deep Learning à partir de Zero 2 Chapitre 7 Mémo
Deep Learning / Deep Learning à partir de Zero 2 Chapitre 8 Mémo
Mémo d'apprentissage de la planification des sections ~ par python ~
Deep learning / Deep learning made from scratch Chapitre 5 Mémo
Deep learning / Deep learning made from scratch Chapitre 4 Mémo
Deep learning / Deep learning from scratch 2 Chapitre 3 Mémo
Mémo d'apprentissage "Scraping & Machine Learning avec Python"
Deep Learning / Deep Learning à partir de Zero 2 Chapitre 6 Mémo
Mémo d'étude Python & Machine Learning: Préparation de l'environnement
[Mémo d'apprentissage] Bases de la classe par python
[Mémo d'apprentissage] Le Deep Learning fait de zéro [Chapitre 7]
Amplifiez les images pour l'apprentissage automatique avec Python
Pourquoi Python est choisi pour l'apprentissage automatique
Deep learning / Deep learning made from scratch Chapitre 6 Mémo
[Mémo d'apprentissage] Deep Learning fait de zéro [Chapitre 5]
[Mémo d'apprentissage] Le Deep Learning fait de zéro [Chapitre 6]
[Shakyo] Rencontre avec Python pour l'apprentissage automatique
[Python] Conception d'applications Web pour l'apprentissage automatique
Mémorandum of scraping & machine learning [technique de développement] par Python (chapitre 4)
[Memo] Apprentissage automatique
Deep learning / Deep learning made from scratch Chapitre 7 Mémo
Mémorandum of scraping & machine learning [technique de développement] par Python (chapitre 5)
Une introduction à Python pour l'apprentissage automatique
Mémo d'étude Python & Machine Learning ③: Réseau neuronal
Mémo d'étude Python & Machine Learning ⑥: Reconnaissance des nombres
[Mémo d'apprentissage] Deep Learning fait de zéro [~ Chapitre 4]
Python vs Ruby «Deep Learning from scratch» Chapitre 2 Circuit logique par Perceptron
Apprentissage automatique à partir de 0 pour les étudiants en physique théorique # 1
Mémo d'étude Python & Machine Learning ⑤: Classification d'Ayame
Deep Learning from scratch Chapter 2 Perceptron (lecture du mémo)
Mémo d'étude Python & Machine Learning ②: Introduction de la bibliothèque
[Python] Collectez des images avec Icrawler pour l'apprentissage automatique [1000 feuilles]
Apprentissage automatique à partir de 0 pour les étudiants en physique théorique # 2
Notes sur la création d'un environnement python par les débutants
mémo d'apprentissage progate Python (mis à jour de temps en temps)
Mémo d'étude Python & Machine Learning ⑦: Prévision du cours de l'action
Classe Python (mémo d'apprentissage Python ⑦)
Module Python (mémo d'apprentissage Python ④)
Mémo du cours d'apprentissage automatique
Introduction au Deep Learning pour la première fois (Chainer) Reconnaissance de caractères japonais Chapitre 2 [Génération de modèles par apprentissage automatique]
Chapitre 6 Apprentissage supervisé: Classification pg212 ~ [Apprenez en vous déplaçant avec Python! Nouveau manuel d'apprentissage automatique]
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer Chapitres 11 et 12 Introduction à Pandas Matplotlib
Script Python de collection d'images pour créer des ensembles de données pour l'apprentissage automatique
Créez un environnement interactif pour l'apprentissage automatique avec Python
Préparation au démarrage de «Python Machine Learning Programming» (pour macOS)