Pythonでパーティクルフィルタを実装してみる
パーティクルフィルタ（Particle filter）は，隠れマルコフモデルやカルマンフィルタと同じように，システムの観測$Y$から状態$X$を推定する手法．どれもベイジアンフィルタに基づくもので，確率分布$p(X_t;Y_{0:t})$の表し方が異なる1のですが，パーティクルフィルタでは有限個のサンプリングによって確率分布を近似します．今回は重点サンプリング2を使ったパーティクルフィルタを実装してみます．ほかのフィルタに比べてループぐるぐる回すだけだからすごく簡単！ 1. 隠れマルコフモデルはヒストグラム（離散），カルマンフィルタはガウシアン（パラメトリック），パーティクルフィルタはサンプリング（ノンパラメトリック）で表す 2. SciPyには有名ドコロの確率分布からサンプリングする関数が用意されている．任意の確率分布からサンプリングしたい場合には逆関数法，棄却サンプリング，重点サンプリ
Pythonで画像の簡単なカテゴリ分け - Inside Closure - にへろぐ
これはPython Advent Calendar 2014の16日目です。 実践 機械学習システムを読んでいて画像のパターン認識が面白そうだったので実装して遊んでみました。主に10章のコンピュータビジョンと3章のクラスタリングを参考にしました。ほとんど、NumPyやscikit-learn、Mahotasに丸投げです。 ざっくりとした流れ 今回は用意した複数のjpg画像を教師無しでカテゴライズしてみました。 まず、全ての画像を局所特徴量リストにしました。局所特徴量にはSURFを使用しました。SURFはMahotasのmahotas.features.surf.surfで簡単に取得できます。 そして、すべてのSURFをk-means法でグループ化して基本特徴量(visual word)を求めます。k-means法の計算はsklearn.cluster.KMeans.fitを呼ぶだけでできま
argparseの使い方とoptparseとの違い - Qiita
以前、OptParserの使い方として記事を書いたが、どうやらargparse.ArgumentParserの方がなういらしい なのでargparse.ArgumentParserの使い方のメモ # -*- coding:utf-8 -*- from optparse import OptionParser from argparse import ArgumentParser if __name__ == '__main__': """ コマンドエラー時に表示する文字列 """ desc = u'{0} [Args] [Options]\nDetailed options -h or --help'.format(__file__) # %progは出力できない # usage = u'%prog [Args] [Options]\nDetailed options -h or --he
pythonのargparseテンプレート - Qiita
python v2.7にはargparseという引数設定を簡単にするモジュールがあります。 これを使うと、pythonスクリプトが簡単にできるので、テンプレートを載せておきます。 # coding:utf-8 import argparse if __name__ == '__main__': parser = argparse.ArgumentParser(description='description') parser.add_argument('arg1', type=int, help='integer argument') parser.add_argument('arg2', type=str, help='string argument') # -aや--allが指定されれば True, なければ False が args.all に格納される parser.add_arg
Pythonでクローリング・スクレイピングに使えるライブラリいろいろ - orangain flavor
2016-12-09追記 「Pythonクローリング&スクレイピング」という本を書きました！ Pythonクローリング&スクレイピング -データ収集・解析のための実践開発ガイド- 作者: 加藤耕太出版社/メーカー: 技術評論社発売日: 2016/12/16メディア: 大型本この商品を含むブログを見る これはクローラー／スクレイピング Advent Calendar 2014の7日目の記事です。 Pythonでクローリング・スクレイピングするにあたって、いろいろなライブラリがあるので一覧でまとめてみます。 以下の4つのカテゴリにわけて紹介します。 Webページを取得する Webページからデータを抜き出す Webページの自動操作 総合的なフレームワーク なんでこれが載ってないの？この説明はおかしい！などありましたらお気軽にお知らせください。なお、この記事はいろいろなライブラリを紹介することを目
Requests の使い方 (Python Library) - Qiita
TL;DR Requests とは Python の 今風な HTTP ライブラリである. requests.get('URL') で GET リクエストができる. レスポンスに対して .text とすることで, レスポンスボディをテキスト形式で取得できる. Requests とは Python の HTTP ライブラリ. Python には urllib2 というライブラリがあるが, 公式サイトに Requests is an Apache2 Licensed HTTP library, written in Python, for human beings. という説明がある通り, 人類にとって読みやすくコーディングできる. 導入
文字参照や実体参照を通常の文字に戻す【Python】 - Programming Magic
取得したHTMLファイルやXHTMLファイルの文字列を取り出した場合、それが文字参照や実体参照で書かれていると、表示上の文字と異なってしまう。そこで、文字列に文字参照や実体参照が含まれていた場合に、それを通常の文字に戻す処理が必要になる。 文字参照には16進数で書かれたものと10進数で書かれたものがある。 ♪ (10進数) ♪ (16進数) これらの数値を読み取れば、あとはunichr関数で数値から対応するUnicode文字へ変換することができる。 print unichr(29031) 実体参照には、よく知られている<(htmlentitydefs.name2codepointという実体参照名とUnicodeの対応表があるため、これを使うことで簡単に変換できる。例えば、ハートマークを表示する♥は以下のようにするだけでいい。 print unichr(htmlentitydefs.name
Pythonを利用して任意の形式のファイルをダウンロードする - Qiita
この投稿は クローラー／スクレイピング Advent Calendar 2014の12月24日用です。 はじめに Webサイトを閲覧していると、任意の形式のファイル（zip、pdf）などをまとめてダウンロードしたいケースがあると思います。 手作業でダウンロードしても良いのですが、こういう場合はPythonやRubyなどのスクリプト言語を使用すると簡単に処理が書くことができます。 今回はPythonを使用してダウンロードするスクリプトを書いてみました。 ライブラリ 本当は標準ライブラリのみでも良いのですが、今回は下記のライブラリを利用しました。 requests BeautifulSoup ライブラリのインストール #!/usr/bin/env python # -*- coding: utf-8 -*- import requests import time from BeautifulS
ライブラリ: unittest
PythonのJUnit系のテストライブラリ unittest についてご紹介します。 使い方 まずは最もベーシックな使い方から。 最小の流れは次のようなものになります。 unittest ライブラリの読み込み unittest.TestCase を継承したクラスの中にテストケースを書く unittest.main() でテストを実行する ことばで聞くよりコードを見るのが早いので、例を見てみます。 # unittest ライブラリを読み込んでおく import unittest # テスト対象の関数 def factorial(n): """factorial function""" if n < 2: return 1 return factorial(n - 1) # テストケースをまとめたクラス # メソッド名が test で始まるメソッドがひとつのテストとなる class Fact
Python でテスト - Qiita
doctest docstring 内に書ける。凡例として使える。 使い方 doctest を import し、docstring 内で以下のように書き、doctest.testmod() を呼ぶ。実行する際は python ${ファイル名}.py -v とする。 サンプルコード # -*- coding: utf-8 -*- import doctest def twice(n): """ 引数を 2 倍して返す関数 >>> twice(8) 16 >>> twice(1850923) 3701846 """ return n * 2 if __name__ == "__main__": doctest.testmod()
パッケージを作成し、PyPIに登録したメモ - Qiita
Pythonでパッケージを作って、PyPIに登録した時の作業メモ なお、今回はコマンドラインツールを作りました PyPIに登録することによってpipでインストール出来るようになります ディレクトリ構成 ├── README.md ├── requirements.txt ├── setup.py └── src ├── __init__.py └── hoge.py ファイル詳細 requirements.txt、src/init.py touchで作った空ファイルです README.md github用 src/hoge.py 実装したパッケージのソースコード 今回はコマンドラインツールなので、main関数に実行する処理を記述しておきました setup.py パッケージを登録する際に必要な情報を記載します # -*- encoding:utf-8 -*- from setuptools
Amazon EC2上でPython2.7及び各種ライブラリ環境を整える | DevelopersIO
AWSではPythonはEC2環境にデフォルトで導入されていますし、AWS CLIもPython環境の上に成り立っています。そういう意味ではAWSを扱う人に取ってはPythonは割と身近な言語であると言えるでしょう。 そんな私もAWS CLIは普段使いしておりますが、何気にその他の環境...Pythonそのものであったり、データ分析等で使う(使える)ような各種ライブラリについては未知の分野が多いです。そこで当エントリでは、EC2上でPython環境、主にデータ分析周りのPython環境やライブラリを整える手順についてまとめて行きたいと思います。 目次 EC2環境の準備 Python2.7へのアップグレード AWS CLIのアップグレード Beautiful Soup IPython pandas scikit-learn(numpy/scipy/scikit-learn) PuLP Sim
Numpyで行列に行や列を貼り合わせる方法 - 西尾泰和のはてなダイアリー
In [23]: M = arange(9).reshape(3, 3) In [24]: M Out[24]: array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) In [25]: c_[M, [7, 7, 7]] Out[25]: array([[0, 1, 2, 7], [3, 4, 5, 7], [6, 7, 8, 7]]) In [27]: r_[M, [[7, 7, 7]]] Out[27]: array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [7, 7, 7]])
Python Install libraries - gfi
Installing numpy, scipy, matplotlib and Basemap on Mac OS X can be challenging. Installation using homebrew This installation path should work for all versions of Mac OS X, because every library involved and the python interpreter is self-compiled. Make sure to use the system compiler to be compatible to system libraries. Install homebrew using the default settings. ruby -e "$(curl -fsSkL raw.gith
OpenCV 使ってみた ～6. 物体認識編～
今度はさらに複雑な形であるト音記号を認識してみる。複雑な形の認識は（例えば顔認識など）は CascadeClassifier で行う。単純な認識機を多段（カスケード）に組み合わせることで認識精度を上げる手法らしい。機械学習したデータを使って認識を行うわけなので、学習データを作るのがめんどくさい。 と思ってたら素晴らしいページを発見した。まさに神ツール。ありがたく使わせていただきます。このサイトのとおりにやる。っていうと説明が終わってしまう。 とりあえず、opencv_createsamples をインストールする。パッケージがわからないので apt-file で探す。 apt-file search opencv_createsamples libopencv-dev パッケージに含まれている（Ubuntuの場合）ことがわかったのでインストール。 sudo apt-get install
Yamada Picture Log: 夏休みの工作（４） 〜手と指の認識〜
2012年8月19日日曜日 夏休みの工作（４） 〜手と指の認識〜 夏休み全て費やしてどうにか手の認識が出来るようになったぜ・・・（;;;)p`）ｂ ということで、pythonとopencvで詰まったところなどの備忘録、まとめ 参考文献： 考え方はこちら↓の（デッド）コピー http://ilab.cs.ucsb.edu/projects/taehee/HandyAR/HandyAR.html http://render.s73.xrea.com/pipe_render/2008/07/artoolkit-15.html あとYahooGroupとStackOveflow □処理の流れ １、RGBorBGRの元画像をHSV変換 ２、ノイズを消すためメディアンフィルタをかける（メディアンが一番良かった） ３、 〜肌色の検出〜でやったInRangeS（）で肌色orNOTの二
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
ファイルを保存した瞬間ユニットテストを実行 - Qiita
Pythonのパッケージ開発メモ - Qiita
https://gist.github.com/mdengler/2963878/download
PyMCがあれば，ベイズ推定でもう泣いたりなんかしない
