一様乱数の生成 - 人工知能に関する断創録
Pythonによるモンテカルロ法入門（2014/6/20） 最初にPythonで [0.0, 1.0] 間の一様乱数を生成してみます。 一様分布 一様分布（Uniform distribution）の確率密度関数（pdf）は下の式になります。 引用：http://en.wikipedia.org/wiki/Uniform_distribution_(continuous) numpy.randomによる一様乱数の生成 numpy.random.uniformで一様分布に従う乱数が生成できます。下のスクリプトでは、下限を0.0、上限を1.0とした一様乱数をNsim個生成し、ヒストグラムを描画しています。 # 一様乱数の生成してヒストグラムを描画 import numpy as np import matplotlib.pyplot as plt np.random.seed() N = 10
Python3+bs4で AtCoderのスクレイピング入門(初級者向け) - kyuridenamidaのブログ
正直後から思ったんですが、urllib使うよりrequestsのほうが使いやすいと思うので、requestsを使うことをおすすめします (2016/07/17) ※ python2のurllibの情報が欲しい人はurllibの仕様が2系と違うのでこの記事を参考にしても意味ないです Python3とbs4(beautifulsoup4)でAtCoderの便利スクリプトを作る． 対象読者はWebスクレイピングしたいけど，ブラウザ以外からのログインさえできる気がしないって人です．Pythonよくしらない人向けに書いたつもりでしたが，僕もPython初心者で教え方が全くわからないのでちょっと厳しいかも． かなり手を抜いているのでコメントか直接何かしらの手段で質問してくれたら答えたいと思います．すみません． bs4 をインストールしよう bs4は何をしてくれるやつかっていうと，htmlとかxmlのタ
Pythonで使ってるモジュールに詳しくなりたいので、inspectを使う - あれもPython,これもPython
ここ、数日間、ガリガリPythonでアプリを書いていました。 今回から珍しくpydoc回りをきちんとやろうと思ったのと、 あんまり日本語情報のないモジュールを使っていたので、 中身を詳しくなるためにinspectというモジュールを使います。 導入 標準モジュールなので、 初めから入ってます。 import inspect 何ができるの? importされているモジュールから 色々な情報を抜き出せます。 基本 import urllib # 関数やらクラス名やらを返す for a in inspect.getmembers(urllib): print a[0] getmembersをすると (オブジェクト名,オブジェクト)のタプルを格納したリストが帰ってきます。 ちょっと応用 # クラスのみ inspect.getmembers(urllib,inspect.isclass) # 関数のみ
リストに指定した値と同じ要素が含まれているか確認する
作成済みのリストに指定した値と同じ要素が含まれているかどうか、含まれている場合の要素の数や要素のインデックスを取得する方法について解説します。要素が含まれているかどうかの確認には in 演算子、要素の数を確認するには count メソッド、インデックスを確認するには index メソッドを使用します。
PythonによるRapidly-Exploring Random Trees (RRT)パスプランニングサンプルプログラム - MyEnigma
目次 目次 はじめに Rapidly exploring random tree:RRTとは? RRTの利点と欠点 利点 欠点 RRTによるパスプランニングPythonサンプルプログラム シンプルなRRTパスプランニング (Goal biased sampling) パスのスムージング後処理付きRRTプランニング 車両ロボット用RRTプランニング RRTのパス収束の高速化の手法 Goal Bias Sampling Goal Zone Sampling RRTの問題点 参考資料 MyEnigma Supporters はじめに 以前、A*やダイクストラ法、Dynamic Window Approachによる パスプランニングシステムのサンプルプログラムを公開しましたが、 myenigma.hatenablog.com myenigma.hatenablog.com myenigma.hat
Python: Iris データセットをサポートベクターマシンで分類してみる
以前実装した単純パーセプトロンは線型分離可能な問題しか解けなかった。 それに対し、サポートベクターマシン (以下 SVM) はカーネル関数を用いることで線型分離不可能な問題も解けるようになっている。 また、単純パーセプトロンでは異なるクラスタを分離するための線がクラスタのギリギリに配置されることも多かったが、SVM ではそのマージンが最大になるようにできている。 今回は SVM を自分で書くのではなく scikit-learn のそれを使った。 #!/usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn import svm def main(): # Iris データセット
class.exe
Pythonでプロフィール画像を更新してみました。 以下を参考にしました。 POST account/update_profile_image | Twitter Developers Developer Interface — Twython 3.2.0 documentation Pythonでbase64エンコード・デコードする方法 - Web就活日記 コードはこちらです。別ファイルのtwitter_oauth.pyにOAUTHに必要なトークン等が記載されています。 # -*- coding: utf-8 -*- from twython import Twython import twitter_oauth import base64 def update_profile_image(filename): file = open(filename, 'rt').read() enc
Pythonのクロージャ - Pythonでしょ！
クロージャとは wikipedia:クロージャにご参考 クロージャを使ってどんな便利なことができるでしょうか？ クロージャの用途 ・ライブラリの設計者はクロージャを関数への引数として渡すことで利用者が挙動をカスタマイズ可能なようにできる。 例えばソートを行う関数は比較のコードをクロージャとして引数にとることで利用者が定義した基準でソートできるようになる。 wikipedia:クロージャより引用 データのソートを例にしましょう ソートのFunctionは簡単に作れると思います 例えば書きバブルソートを作りました、 def bubble_sort(data): #Bubble sort必要なPASS for p in range(len(data)-1, 0, -1): #アイテム位置交換 for idx in range(p): if data[idx] > data[idx+1]: tem
Time Series Classification and Clustering with Python
Alex Minnaar Machine Learning at University College London. Research Engineer at Nitro. Email Github LinkedIn I recently ran into a problem at work where I had to predict whether an account would churn in the near future given the account's time series usage in a certain time interval. So this is a binary-valued classification problem (i.e. churn or not churn) with a time series as a predictor. Th
Python の内包表記の使い方まとめ
Python の内包表記についてまとめました。 内包表記とは？ 内包表記とは、リストや辞書などの iterable オブジェクト（ for ループで回せるオブジェクト）のループ処理をかんたん・シンプルに記述できる記法です。 たとえば、 1 から 5 までの数値を 2 乗した値を持つリストを作りたい場合は次のような式を書くことができます。 通常の for ループと同じ for element in collection というブロックを書いて、その前に各要素の値を書いて、 [] で囲みます。この書き方が「内包表記」です。 ちなみに、「内包」は英語では「 comprehension 」と言います。また、「内包」の逆の概念は「外延」（ extension ）と言うそうです。内包と外延は数学の集合論における表現方法のようです。 このあたりの概念について詳しくは Wikipedia などが参考になり
Five Hundred Deep Learning Papers, Graphviz and Python
Update Check out the Part II of this post in which you can interact with the SVG graph by hovering and clicking the nodes, thanks to JavaScript. TL;DR I invested days creating a graph with PyGraphviz, representing the evolutionary process of deep learning’s state of the art for the last twenty-five years, or at least this was my objective. This is the final result: Introduction I am currently writ
2016年現在のWindows機によるAnacondaを用いたPythonでのデータマイニング環境構築 - あんちべ！
はじめに 数年前、Windows機にPythonでのデータマイニング環境を構築するには様々な困難が待ち受けていました。依存関係にあるライブラリのバージョンが合わないというよくある話から、ライブラリをインストールする順番によって無事に動いたり動かなかったりするなど初心者殺しな落し穴があちこちで口を開いていました。ところが、2016年1月現在、全く新規に環境構築しようとしてAnacondaを利用してみたところ、意外なほど簡単に環境構築できました。 Anacondaはデータマイニングの便利なライブラリを集めて一括でインストール・利用できるようにしたパッケージです。内包されているライブラリは様々な数値解析、機械学習、自然言語処理、可視化、DB連携、データハンドリング、さらには最近話題のディープラーニングなど多岐に渡り、これを入れておけばデータマイニングを行う大抵の場面で対応できるでしょう。そこで、
Flying Tokyo organized by Daito Manabe(Rhizomatiks Research)
Introduction 「Rhizomatiks Research」では、ソフトウェアの開発や、メディアアートに関する国際的なプロジェクトで活躍するニューヨーク在住の技術者／アーティストのカイル・マクドナルドを講師に招き、ワークショップを開催します。テーマは「アートのためのマシン・ラーニング／ディープ・ラーニング」。Python言語ベースのツールを用いて、機械学習、深層学習の基礎やopenFrameworksと組み合わせた活用法を学んでいきます。 ワークショップでは「Keras」、「Chainer」、「sklearn」のようなPython言語ベースのツールにフォーカスしますが、一部でLua言語ベースのTorchも利用します。このワークショップの目的は、マシンラーニングというテーマに親しむこと。まず、興味深い問題を解決するいくつかのサンプルコードを実行し、自分なりに改変することに習熟します
Pythonの軽量フレームワーク3種類を比較する | 思案試行
ここでは軽量・コンパクトをウリにしているPythonのWebアプリケーションフレームワークであるBottle、Flask、Falconについて比較します。これらのフレームワークに対して、同様のリクエストを送り、同様のレスポンスを返させます。 記事を書くにあたり使用したもののバージョンは下記の通りです。 Ubuntu 14.04.2 Python 3.4.0 Bottle 0.12.8 Flask 0.10.1 Falcon 0.2 準備 "/foo"にアクセスすると"Hello foo"と応答するように、各フレームワークで極力同じように書きます。FalconはCythonに公式に対応していますが、今回はCythonを使用していません。 Bottle import bottle app = bottle.Bottle() @app.route('/<name>') def index(nam
Pythonで少なくメモリを使用する方法 - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 今日はPythonにおけるメモリ少なく使う方法を紹介したいと思います。 なぜ、そんな方法を書くに至ったか。それは、こんなエラーをしょっちゅう見ているからですね。 Traceback (most recent call last): File "lasagne_wheal.py", line 48, in <module> prediction = model.predict_proba(np.array(X_test)) MemoryError 画像処理を行っている人間ならよくやりがちかもしれませんが、 要はint8で持っている情報をfloatに変換してデータが膨れ上がったことによってメモリが 不足していることから発生しています。 Convolutional Neural Networkを大きな画像で実施しようとするとよく発生するのではないで
TensorFlowでアニメゆるゆりの制作会社を識別する - kivantium活動日記
ついにガロアが死んだ年齢を超えてしまったことに気がつき、自分がまだ何も成し遂げていないことを悲しく思う今日このごろです。 さて、今日はGoogleが出した機械学習ライブラリのTensorFlowの使い方について軽く説明しつつ、ゆるゆりの制作会社の識別を行おうと思います。 TensorFlowとは TensorFlowはGoogleが11/9に公開したApache 2.0ライセンスで使える機械学習ライブラリです。Googleは様々なところでプロダクトに機械学習を活用していますが、TensorFlowは実際にGoogle内部の研究で使われているそうです（TensorFlow: Google 最新の機械学習ライブラリをオープンソース公開 - Google Developer Japan Blog）。 Googleのネームバリューは恐ろしいもので、GitHubのStar数はすでにChainerやC
リスト内包表記がかなり楽しくなってきた。with λ - When it’s ready.
別にビンゴカードを作りたい訳じゃないけど、http://d.hatena.ne.jp/stog/20090128 ココ観てたらリスト内包表記で作りたくなってきた。最近リスト内包表記がとっても気持ちよくてたまらない。 ビンゴカードは、5x5のカードです。縦の列にはそれぞれ、1-15、16-30・・・と言う範囲からランダムに5つだけ入る。 リストのランダムは import random arr = range(10) random.shuffle(arr) 縦一列の範囲を生成するLCは [range(1,75)[i*15:(i+1)*15] for i in range(5)] コレで行けそう。 これらを合体してみると完成しそうやってみる。 import random [random.shuffle(arr) for arr in [range(1,75)[i*15:(i+1)*15] for
【Python】R言語を勉強するために「言語処理100本ノック」をPythonで解いてみる - 歩いたら休め
会社の先輩から「これ使ったらいい感じにデータ取ってこれるよ」と渡されたものが、 dplyrとかstringrとかよくわからないパッケージをガンガン導入した自由奔放なRのコードで困っています。 R言語自体にも慣れていないため、 「コードを使って何を表現したいのか」と「そのRのパッケージで何をできるのか（またどういう使いどころなのか）」を両方読み解かなければならず、けっこう大変です。 そのコードの中で「いくつか関数の入ったリストを高階関数に渡してfilterかける」ような操作をしていてしっかり読み解いてみたいのですが、 そのコードで取ってきたデータを使いたいだけなので、どうしても後回しにしてしまいます。 というわけで、Rの勉強は家でやることにしました。 「言語処理100本ノック」として、ちょうど勉強したいライブラリ（dplyrなど）をいい感じに使ってるRのコードがあったので、 これを題材にしよ
写真共有SNSのユーザーの性別を機械学習で推定するWebアプリケーションをPythonで作ってみよう
機械学習（ほぼ）初心者が、Webアプリケーションを作ったキッカケ 本記事では、機械学習の（ほぼ）初心者である筆者が、TIS株式会社の5daysインターンシップ「機械学習を用いたWebアプリケーション開発」に参加した際に開発したWebアプリケーションについて紹介します。筆者は、学部で情報工学の基礎を学び、現在は都内国立大学大学院に通う大学院生です。これまでにWebアプリケーションの開発経験はなく、機械学習も「なんとなくイメージはできる」程度の理解でした。今回は、開発にPythonを用いました。Pythonの使用経験は2年弱でしたが、機械学習を実装するのは初めてでした。 開発したアプリケーションのソースコードは、GitHubで公開していますので適宜参照してください。 5daysインターンシップとテーマ設定 今回のインターンシップでは、機械学習技術を活用したWebアプリケーションを開発するという
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
pythonでマルチコア並列処理をする方法 - Qiita
