Python/Python기초

첫번째, 다음의 홈페이지를 방문하여 읽어본다. numpy. xxx 설명 페이지 두번째, 위 페이지를 읽고 작성한 나의 코드는 다음과 같다. # 평균과 표준편차는 채널별로 구해줍니다. x_mean = np.mean(x_train, axis=(0, 1, 2)) x_mean_dft = np.mean(x_train) x_mean_0 = np.mean(x_train, axis=0) x_mean_1 = np.mean(x_train, axis=1) x_mean_2 = np.mean(x_train, axis=2) x_mean_3 = np.mean(x_train, axis=3) x_mean_01 = np.mean(x_train, axis=(0, 1)) x_mean_02 = np.mean(x_train, axis=(0, ..

# numpy.c_ (column bind)와 numpy_r(row bind)의 비교a = np.array([1, 2, 3])b = np.array([4, 5, 6])print(a, type(a), a.shape)print(b, type(b), b.shape) [1 2 3] (3,)[4 5 6] (3,) c = np.c_[a, b]print(c, type(c), c.shape)[[1 4] [2 5] [3 6]] (3, 2) d = np.r_[a, b]print(d, type(d), d.shape)[1 2 3 4 5 6] (6,) e = np.r_[[a], [b]]print(e, type(e), e.shape)[[1 2 3] [4 5 6]] (2, 3) f = np.array([[1, 2, 3], [4, ..

import mathimport numpy as npfrom sklearn.datasets import load_irisimport matplotlib.pyplot as plt iris = load_iris()print(iris.keys())print(iris.DESCR) dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names', 'filename']) ...중요한 정보만 확인 :Attribute Information: - sepal length in cm - sepal width in cm - petal length in cm - petal width in cm - class: - Iris-Setosa - Iris-Versicolour..

import mathimport matplotlib.pyplot as pltimport numpy as np def odds(p): """성공확률 / 실패확률""" return p / (1 - p) def log_odds(p): """odds에 log를 취한 값""" return math.log(odds(p)) def sigmoid(t): """logistic: log_odds(odds에 log를 취한 값)을 알고 있을 때, 성공 확률 p를 계산""" return 1 / (1 + math.exp(-t)) p = 0.8print(f'p = {p}, odds(p) = {odds(p)}, log_odds(p) = {log_odds(p)}')p = 0.8, odds(p) = 4.000000000000001, l..