Недавно я начал оттачивать свои навыки машинного обучения и исследовать пару новых интересных задач. В моем колледже я неплохо разбирался в математике, но до сих пор не видел ее реализации, но машинное обучение — это то место, где я узнаю его истинный вариант использования.
Позвольте мне начать с чего-то очень простого, а в нескольких блогах я поделюсь своим опытом машинного обучения — «Переход от проектирования данных к машинному обучению».
Сегодня я использовал API Python и Matlab для построения двумерной матрицы. Это довольно интересно и приятно видеть что-то красочное. Специально для такого человека, как я, который всегда проводит большую часть времени на заднем белом экране (терминал Linux).
Предварительное условие: я установил блокнот Jupyter (наиболее популярный среди специалистов по обработке и анализу данных) с помощью Anaconda.
Теперь я собираюсь создать матрицу, используя numpy, а затем Matlab для построения графика.
Исходный код:
import numpy as np
import matplotlib.pyplot as matrixPlot
#Create a matrix
A=np.matrix('1,2,3;9,4,7;-1,9,6')
#plot matrix
matrixPlot.ion() #Turns interactive mode on
matrixPlot.imshow(A, interpolation='none')
Функция pyplot() принимает несколько свойств, и одно из них является свойством интерполяции. Вы можете исследовать, изменив другие значения на магию оформления заказа.
Давайте установим интерполяцию на ‘kaiser’
import numpy as np
import matplotlib.pyplot as matrixPlot
#Create a matrix
A=np.matrix('1,2,3;9,4,7;-1,9,6')
#plot matrix
matrixPlot.ion() #Turns interactive mode on
matrixPlot.imshow(A, interpolation='kaiser')
Ссылка: https://matplotlib.org/api/pyplot_api.html
Удачного кодирования..!!!
Первоначально опубликовано на http://learning-madeeasy.blogspot.com.
