在機器學習實戰一書的第五章中出現了geta()這個函式
logregres.plotbestfit(weight.geta())logregres.plotbestfit(weight)x =arange(-3.0, 3.0, 0.1)
y = (-weights[0] - weights[1]*x)/weights[2]
ax.plot(x, y)
temp = ones((3, 1)) #建立陣列
weights = mat(w) #轉換為numpy矩陣
s = weights.geta() #將numpy矩陣轉換為陣列
x = arange(-3.0, 3.0, 0.1)
y1 = (-weights[0] - weights[1]*x)/weights[2]
y2 = (s[0] - s[1] *x)/s[2]
>>>len(x)
60>>>len(y1)
1>>>len(y2)
60
再看看結果
>>>temp = ones((3, 1)) #建立陣列
>>>temp
array([[ 1.],
[ 1.],
[ 1.]])
>>>weights = mat(w) #轉換為numpy矩陣
>>>weights
matrix([[ 1.],
[ 1.],
[ 1.]])
>>>s = weights.geta() #將numpy矩陣轉換為陣列
>>>s
array([[ 1.],
[ 1.],
[ 1.]])
團隊拙作《Python機器學習實戰》
之前看國內外的 python 機器學習的書，鮮有將機器學習到底怎麼做人臉識別 怎麼做風險控制 怎麼做 ocr 演算法模型列出的，並且真正的乙個 python 應用，不止是從機器學習庫中匯入一下配置一下引數那麼簡單。我們所有的例子程式，獨此一家，別無分號。本書的主要內容分為四大部分 1 python開...
機器學習實戰
花了一段時間，總算把 機器學習實戰 粗讀了一遍，重點就在這個粗讀上。這本書的確不錯，機器學習的幾個經典演算法都涉及了，每個演算法都有1 2個實際例子進行說明，都有實實在在的 讓我想起了linus的 talk is cheap,show me the code 那句名言。但多年來養成的習慣，從來都是喜...
機器學習python實戰 決策樹
決策樹演算法是一種逼近離散函式值的方法 通過把例項從根節點排列到某個葉子結點來對例項分類。葉子結點即為例項所屬的分類。樹上的每乙個結點指定了對例項的某個屬性的測試，並且該結點的每乙個後繼分支對應於該屬性的乙個可能值。分類例項的方法是從這棵樹的根節點開始，測試這個結點的屬性，然後按照給定例項的屬性值對...