タグ

pythonとPythonに関するincepのブックマーク (211)

  • python再インストールしたった – The Coherence World

    pythonのライブラリがクソ溜まってきて, 依存関係でインストールがうまくいかない! エラーメッセージ,ググっても意味わからん!! そんな時は,開き直って再インストール. pythonとかそんな日常的に使わんし,中途半端にアンインストールミスっても今月出るMBA買うし(←ぉ) それに,調べたところ,pythonのライブラリ管理コマンドでpipというのがあるそうじゃないか.どうせなら,これを再インストールしたpythonに入れよう!(今回の目標) さて,今現在python様はどちらにいらっしゃるかというと $which python /Library/Frameworks/Python.framework/python /Library/Frameworks/… なんのこっちゃ. 普通,UNIXのbinaryなら,usr/local/bin/ ちゃうのん? pythonをインストールした時

    python再インストールしたった – The Coherence World
    incep
    incep 2016/12/05
    "brew doctor" のあのメッセージから辿り着いた
  • MacPortsからHomeBrewに乗換え&Python開発環境構築 - c-bata web

    追記 (homebrewでpythonいれるのと、virtualenvwrapperやめました) ライブラリとか作ってるとtoxで複数のバージョンのPythonを動かしたりする必要があります。 HomebrewはPython2.7とPython3.5だけとかならいいのですが、3.3 ~ 3.5までインストールしたいとかは基的に出来ません。 github.com 今はhomebrewのpythonをして、pymという管理ツールを使っています。 virtualenvwrapperもわざわざ入れるほどでもないので↓を.bashrcに書いています。workon はこれで出来ます。 ## workon function like virtualenv wrapper WORKON_HOME=${WORKON_HOME:-$HOME/.virtualenvs} workon() { if [ $#

    MacPortsからHomeBrewに乗換え&Python開発環境構築 - c-bata web
    incep
    incep 2016/12/05
  • reStructuredText

    Markup Syntax and Parser Component of Docutils Date: 2025-09-13 reStructuredText is an easy-to-read, what-you-see-is-what-you-get plaintext markup syntax and parser system. It is useful for in-line program documentation (such as Python docstrings), for quickly creating simple web pages, and for standalone documents. reStructuredText is designed for extensibility for specific application domains. T

  • ラプラス正則化 (Laplacian Regularization) を使った半教師付き分類

    教師ありデータと教師なしデータを 用いて学習する枠組みを半教師付き学習と呼ぶ. 少量の教師ありデータと大量の教師なしデータを持っているという設定は非常に現実的で, 半教師付き学習は実用的な枠組みだと思う. ラプラス正則化の基的なアイデアは,「似ているものは同じラベルを持つ」というもの. 具体的には,類似度行列を受け取り, 類似度が高いものは予測値も近くなるような正則化を行う. 今回はラプラス正則化のリッジ回帰への適用例を考えてみる. 目的関数は以下で与えられる. 最後の項がラプラス正則化項. この項は結局ラプラス行列というもので表されるのでラプラス正則化と呼ばれている. ここで,非線形な決定境界を表現するために,には以下で定義するRBFカーネルモデルを用いることにする. コードは以下のようになった. This file contains bidirectional Unicode tex

    ラプラス正則化 (Laplacian Regularization) を使った半教師付き分類
    incep
    incep 2016/05/27
    半教師あり学習での分類.2クラスのクラスタのそれぞれに,教師データがたったの1点ずつ.そこから非線形な決定境界を正しく引けている例.
  • データサイエンティストを目指す人のpython環境構築 2016 - Qiita

    Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? pythonの環境構築について "python 環境構築"でググると20万件くらいヒットしますが、割と内容が古いです。 タイトルにはデータサイエンティストと書いてありますが、データサイエンティスト以外にもanacondaはおすすめです。 2.x or 3.x? 3.xは動かないライブラリが多いので2.x推奨 > 3.xで動かないライブラリがある、くらいまで来ました。 easy_installでpipを入れて、setuptoolsも入れて、でもwheelというのもあって... > 古いです。 virtualenv 必須 > そんなこともな

    データサイエンティストを目指す人のpython環境構築 2016 - Qiita
    incep
    incep 2016/03/18
    決定版かもしれない
  • Python Programming for the Humanities by Folgert Karsdorp

    Interactive tutorial and introduction into programming with Python for the humanities Folgert Karsdorp The programming language Python is widely used within many scientific domains nowadays and the language is readily accessible to scholars from the Humanities. Python is an excellent choice for dealing with (linguistic as well as literary) textual data, which is so typical of the Humanities. In th

  • どうすればPythonをJuliaと同じくらい速く動かせるのか? : 様々なやり方で計算の高速化を図る | POSTD

    どうすればPythonJuliaと同じくらい速く動かせるのか? : 様々なやり方で計算の高速化を図る JuliaPython 科学技術計算には、Pythonなどの言語よりもJuliaを使った方がいいのでしょうか? http://julialang.org/ に載っているベンチマークを見ると、どうしてもそんな風に思ってしまいます。というのも、Pythonなどの高水準言語は、スピード面で大幅に劣っているのです。けれども、これは私が最初に感じた疑問ではありません。私が気になったのは、「Juliaのチームが書いたPythonのベンチマークは、Pythonに最適なものだったのか?」ということです。 こういった多言語の比較について、私の考えを述べましょう。まずベンチマークというのは、実行するタスクによって定義されるものです。よって、そのタスクを実行するための最適なコードを、各言語に精通した人々が最

    どうすればPythonをJuliaと同じくらい速く動かせるのか? : 様々なやり方で計算の高速化を図る | POSTD
  • Python と Java で AppEngine アプリを開発してみて - present

    はじめに PythonJava でそれぞれ AppEngine アプリを何個か作ってきましたが、AppEngine の利用方針を変更したことだし、このタイミングでそれぞれの開発を振り返ってみます。 Python での開発 フレームワークは AppEngine に特化した Kay Framework を使ってきました。Kay はセッションや認証やフォームやなど機能が豊富。認証バックエンドを変更すれば OAuth も使えます。AppEngine テスト用のクラスも提供してあるので、webapp で開発するよりテストしやすいです。ただ、機能が多すぎて使わないのもありますが。REST API とかね。 小〜中規模のサービスを速攻で作るなら、Python + Kay は申し分ないです。ライブラリを足さなくても必要十分な機能があります。 あと、小さいサービスなら、わざわざ Kay を使わなくても

    Python と Java で AppEngine アプリを開発してみて - present
    incep
    incep 2016/01/04
    10000行以下ならMVCモデルを利用してPythonで書く
  • NumPyとCythonを組み合わせると爆速! - Kesinの知見置き場

    前回の記事の最後にcythonとnumpyを組み合わせても速くならなかったと書いてしまったのですが、@frontier45 さんから公式のチュートリアルをちゃんと読みましょう。と教えていただいたので、自分の勉強がてらブログにも書いておきます。 使用するコードは何のひねりもなく公式のチュートリアルから丸パクリです。 注意:以下のベンチマークはMacOS 10.7.3 MacBook Core2 Duo 2.26GHzでPythonとC/C++のコンパイラはMac標準のPython2.7.1, llvm-gccを使用しています。 Python/Cythonはipythonのtimeitを利用して実行時間を測定しています。 なお、以下の記録はあくまで私の環境、私の実装での記録なので比較の結果は正しいというものではないです。公式のチュートリアルでも実行時間が書かれていますので、そちらの方もご覧下さ

    NumPyとCythonを組み合わせると爆速! - Kesinの知見置き場
    incep
    incep 2016/01/04
    まだまだ普及が進んでいないけどスゴイライブラリだと思う
  • Home

    You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

    Home
  • NumPy 配列の基礎 — 機械学習の Python との出会い

    NumPy 配列の基礎¶ ここでは,NumPy で最も重要なクラスである np.ndarray について, チュートリアルの方針 の方針に従い,最低限必要な予備知識について説明します. np.ndarray は, N-d Array すなわち,N次元配列を扱うためのクラスです. NumPy を使わない場合, Python ではこうしたN次元配列を表現するには,多重のリストが利用されます. np.ndarray と多重リストには以下のような違いがあります. 多重リストはリンクでセルを結合した形式でメモリ上に保持されますが, np.ndarray は C や Fortran の配列と同様にメモリの連続領域上に保持されます. そのため,多重リストは動的に変更可能ですが, np.ndarray の形状変更には全体の削除・再生成が必要になります. 多重リストはリスト内でその要素の型が異なることが許

  • PythonでWebアプリ開発入門のススメ Flask/MongoDB - mizchi log

    TwitBlogin! http://twitblogin.com/ とか作ったことだし、そこそこ開発環境整って、今なら思いつく限りのサービスはさっくり実装できそうだったのでPython初心者向けに書いておく。 少しでもPythonユーザが増えれば幸い。 対象は Python の基的な構文程度はわかるけど、具体的に何から手をつけていいかわからない人 目次 Apache/WSGI/MongoDBの環境構築 flask [ Sinatra風ウェブアプリケーションフレームワーク] pymongo [ MongoDBラッパー ] werkzeug [Web Application デバッガ] jinja2 [ HTMLテンプレートビルダー ] pyquery [ jQuery風HTMLパーサ ] nose [ TDD ] 細かいライブラリの使い方とかPython体の言語仕様とかは適当にぐぐって

    PythonでWebアプリ開発入門のススメ Flask/MongoDB - mizchi log
  • やったぜ。

    やったぜ。 投稿者:変態IoT土方 (11月23日(月)19時47分42秒) 昨日の11月22日にいつもの組み込みエンジニアのおっさん(34歳)と先日DMくれた機械学習好きのPythonエンジニアのにいちゃん (27歳)とわし(30歳)の3人で県北にあるコワーキングスペースで開発しあったぜ。 今日は明日が休みなんでコンビニでRedBullとお菓子を買ってから滅多に人が来ない所なんで、 そこでしこたまRedBullを飲んでから開発しはじめたんや。 3人でGithubのコード眺めあいながらTシャツだけになり持って来たRasberry Pi3台にコードをインストールした。 しばらくしたら、EthernetのLEDがピカピカして来るし、ログが解析基盤を求めてS3の中でぐるぐるしている。 組み込みエンジニアのおっさんにセンサーデータ取得コードをデバッグさせながら、兄ちゃんの実装した分類アルゴリズムを

    やったぜ。
  • Communication Between Processes - Python Module of the Week

    If you find this information useful, consider picking up a copy of my book, The Python Standard Library By Example. Page Contents Communication Between Processes Passing Messages to Processes Signaling between Processes Controlling Access to Resources Synchronizing Operations Controlling Concurrent Access to Resources Managing Shared State Shared Namespaces Process Pools Navigation Table of Conten

    incep
    incep 2015/11/13
    " Effective use of multiple processes usually requires some communication between them, so that work can be divided and results can be aggregated."
  • Pythonで情報利得を計算してみる - surolog

    ジニ係数に引き続き、情報利得の関数も作ってみました。 ジニ係数については以下を参照ください、 [Pythonでジニ係数を計算してみる - surolog 以下の流れでご紹介 情報利得の簡単な説明 情報利得の実装 情報利得って wikiによれば カルバック・ライブラー情報量 - Wikipedia カルバック・ライブラー情報量(カルバック・ライブラーじょうほうりょう、英: Kullback–Leibler divergence、カルバック・ライブラー・ダイバージェンス)とは、確率論と情報理論における2つの確率分布の差異を計る尺度である。情報ダイバージェンス(Information divergence)、情報利得(Information gain)、相対エントロピー(Relative entropy)とも呼ばれる。 http://ja.wikipedia.org/wiki/カルバック・ライブ

    Pythonで情報利得を計算してみる - surolog
    incep
    incep 2015/09/29
    numpy, pandas, collections.Counter を使用したすっきりとしたコード
  • Python multiprocessing PicklingError: Can't pickle <type 'function'>

    I am sorry that I can't reproduce the error with a simpler example, and my code is too complicated to post. If I run the program in IPython shell instead of the regular Python, things work out well. I looked up some previous notes on this problem. They were all caused by using pool to call function defined within a class function. But this is not the case for me. Exception in thread Thread-3: Trac

    Python multiprocessing PicklingError: Can't pickle <type 'function'>
    incep
    incep 2015/09/08
    "In particular, functions are only picklable if they are defined at the top-level of a module."
  • 大規模並列処理:PythonとSparkの甘酸っぱい関係~PyData.Tokyo Meetup #3イベントレポート

    ロゴステッカーの作成計画も進行中です。近々イベント会場でお配りできるかも知れません。 チュートリアルおよび次回勉強会のお知らせ この度PyData.Tokyo初の試みとして、初心者向けのチュートリアルを3月7日(土曜日)に行います。また、次回勉強会はデータ解析に関する「高速化」をテーマにし、4月3日(金曜日)に開催します。詳細は記事の最後をご覧下さい。 Sparkによる分散処理入門 PyData.Tokyo オーガナイザーのシバタアキラ(@madyagi)です。 ビッグデータを処理するための基盤としてHadoopは既にデファクトスタンダードになりつつあります。一方で、データ処理に対するさらなる高速化と安定化に向けて、新しい技術が日々生まれており、様々な技術が競争し、淘汰されています。そんな中、Apache Spark(以下Spark)は、新しい分析基盤として昨年あたりから急激にユーザーを増

    大規模並列処理:PythonとSparkの甘酸っぱい関係~PyData.Tokyo Meetup #3イベントレポート
  • Learn Python the Hard Way

    The type for this book is set in 18px / 1.5 Adobe Serif, Sans, and Code. Learn Python the Hard Way 5th Edition Out! The latest version of Learn Python the Hard Way (5th Edition) is nearly complete and ready to buy. This new version teaches even more topics focusing on the Data part of Data Science. Even if you never plan on doing Data Science the topics in the 5th Edition are incredibly useful. Th

    incep
    incep 2015/06/23
    こんなページがあったとは!
  • PythonとRubyだと、どっちが使えそうですか? - Pythonだと、さすがNASAとか研究機関とかが使ってただけあって、①... - Yahoo!知恵袋

    dtdtuydさん プログラミング言語は、目的毎に得意分野が違うし、 「夫々の得意分野で」という前提であれば、 Rubyも十分実用的に熟成されていると思います。 また、かつて数値計算分野ではlinpak等の著名なライブラリがFortranでしか実装されておらず、そのライブラリをベースにした膨大なアプリケーションもFortranだったが為に、「Fortranを知らずば数値計算できない」位の勢いがあった言語も、今は下火になっている様子から、「数十年のオーダでは、一時的なライブラリ多さは、プログラミング言語の素養で駆逐されうる」と言えると思います。 では、”プログラミング言語の素養”で、RubyPythonで比べれば同程度、適用分野によってはRubyが勝ると言って良いでしょう。 (1) 文法の複雑さ:Rubyが若干 簡単 Rubyの文法をBNFで記述すると約300行、Pythonは約400行で

    PythonとRubyだと、どっちが使えそうですか? - Pythonだと、さすがNASAとか研究機関とかが使ってただけあって、①... - Yahoo!知恵袋
  • Articles | InformIT

    How to use Questions to drive Generative Analysis By Jim ArlowOct 21, 2024Question is the Information Type that is the primary generator of all other Information Types in Generative Analysis. In this article, Jim Arlow expands on the discussion in his book and introduces the notion of the AbstractQuestion, Why, and the ConcreteQuestions, Who, What, How, When, and Where. Write a Requirement, not a