はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

目的 IntelliJを複数台の端末に入れていると、キーマップ等を同期したくなります。 この記事ではSetting Repository(GitHub)プラグインを使って同期する方法を共有します。 （基本的には上記GitHubリポジトリのREADMEを読んでそのまま設定するだけです） PyCharm/PhpStorm/RubyMine等のJetBrainsの他製品についても同じように設定を共有できると思います（未確認） 【注】Qiita等で例えばこちらの記事のようにConfiguration pluginを使った同期方法が書いてありますが、現在はDeprecatedのようです。 Setting Repositoryのインストール （製品によっては最初からインストール済の場合もあるようです。ma7ma7pipipiさんよりコメント欄にて教えて頂きました） [Settings] => [Plu

scikit-learnによる多クラスSVM 目的 scikit-learnのSVM（SVC）は，多クラス分類を行うとき，one-versus-oneで分類する． しかし，one-versus-the-restの方が識別性能がいい場合がある（多い，という報告を見かける）ので， sklearn.multiclassのOneVsRestClassifierを使った one-versus-the-restでの多クラスSVM分類の仕方をメモしておく． （注）ただし，LinearSVCはデフォルトでone-versus-the-restを採用している． One-versus-the-restとOne-versus-one $K$クラス分類問題を考える． One-versus-the-rest ある特定のクラスに入るか，他の$K-1$個のクラスのどれかに入るかの2クラス分類問題を解く分類器を$K$個利

with gzip.open('test.pkl.gz', 'rb') as gf: x = cPickle.load(gf) Register as a new user and use Qiita more conveniently You get articles that match your needsYou can efficiently read back useful informationYou can use dark themeWhat you can do with signing up

# -*- coding: utf-8 -*- from sklearn import datasets from sklearn.cross_validation import train_test_split from sklearn.grid_search import GridSearchCV from sklearn.metrics import classification_report, confusion_matrix from sklearn.svm import SVC ## データの読み込み digits = datasets.load_digits() X = digits.data y = digits.target ## トレーニングデータとテストデータに分割． X_train, X_test, y_train, y_test = train_test_spli

>>> import numpy as np >>> a = np.array([[1,2,3], [4,5,6]]) >>> b = np.array([[7, 8, 9], [10, 11, 12]]) >>> c = np.array((1, 2, 3)) >>> d = np.array((4, 5, 6)) >>> a array([[1, 2, 3], [4, 5, 6]]) >>> b array([[ 7, 8, 9], [10, 11, 12]]) >>> c array([1, 2, 3]) >>> d array([4, 5, 6]) >>> np.r_[a, b] array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) >>> np.c_[a, b] array([[ 1, 2, 3, 7, 8, 9],

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?