NumPy・SciPyによる高速化の実力を見る - Qiita
あらまし 以前の記事でNumPy・SciPyの高速化にまつわる事柄を書きました: NumPyを用いた数値計算の高速化 : 基礎 NumPy・SciPyを用いた数値計算の高速化 : 応用その1 NumPy・SciPyを用いた数値計算の高速化 : 応用その2 ホントに早くなってるの？ちゃんと調べてみましょう. 調査方法 Pythonによるオレオレ実装と比較します. 速度よりシンプルさを重視した実装との比較なので正当な評価とは言い難いかもしれません. Pythonはanaconda3, 時間計測にはIPythonの%timeitを使用します. --実行環境-- OS : Ubuntu16.04 LTS 64bit Python : anaconda3-4.1.1 CPU : Intel Corei5 3550 (4-core / 4-thread) リストの初期化 たとえば行列の初期化です.
実践 機械学習システムメモ - Qiita
私が書籍"実践 機械学習システム"を読み勉強した時に参考にしたサイトと第1章のメモです。 機械学習参考サイトURL MPS Yokohama Deep Learning vol.01 数学的基礎から学ぶ Deep Learning TwoToReal FAQ Github:wrichert/BuildingMachineLearningSystemsWithPython １章 Pythonで始める機械学習 Python: SciPy で特徴量の相関を調べる Python: Scipy のカーブフィッティングを試す プログラマーじゃない人が始める人工知能: ScipyとMatplotlibを使ってデータの近似モデルを構築する matplotlib入門 - グラフの体裁を整える matplotlib入門 NumPy で回帰分析 "実践 機械学習システム"メモ # Numpyとは？ # 大規模な
[Python][Scipy] 様々な距離でボロノイ図を作成してみた | DevelopersIO
はじめに K-means法やk近傍法等のクラスタリングで用いられる距離については、クラスタリングする対象によっては距離として私達が普段馴染んでいるユークリッド距離以外の距離を用いるとうまくいくケースがあります。（Mahout イン・アクション） 私達が普段馴染んでいるユークリッド距離と書きましたが、このユークリッド距離は2つのベクトル \( \boldsymbol{x}, \boldsymbol{y} \) が与えられたとき、次のように定義されます。 [latex] d_{\text{euclid}}(\boldsymbol{x}, \boldsymbol{y}) = \sqrt{\sum^n_{i = 1} (x_i - y_i)^2} [/latex] この距離という概念は数学的には類似度を測る尺度として抽象化され、2つのベクトルを引数としてとり実数を返却する関数 \( d\) は下記
![[Python][Scipy] 様々な距離でボロノイ図を作成してみた | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/992bbc6f87fa14c022f36fc6503f76912ff1586c/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2016%2F02%2Feye-catch-machine-learning.png)
1
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
処理を実行中です
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
