引言 利用psutil模块(https://pypi.python.org/pypi/psutil/),可以很方便的监控系统的CPU.内存.磁盘IO.网络带宽等性能參数,下面是否代码为监控某个特定程序的CPU资源消耗.打印监控数据,终于画图显示,而且保存为指定的 PDF 文档备份. 示范代码 #!/usr/bin/env python # -*- coding: utf-8 -*- ''' Copyright (C) 2015 By Thomas Hu. All rights reserved.
用jupyter来统计数据,画出柱状图 import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib %matplotlib inline matplotlib.rcParams['font.sans-serif'] = ['SimHei'] data = pd.read_csv('tips.csv') result = data['sex'].value_counts() # r
语义网=有意义的网络. "如果说 HTML 和 WEB 将整个在线文档变成了一本巨大的书,那么 RDF, schema, 和 inference languages 将会使世界上所有的数据变成一个巨大的数据库." --- Tim Berners-Lee, Weaving the Web, 1999 ================= 作者:顾轶灵链接:https://www.zhihu.com/question/19965749/answer/13499141来源:知乎著作权归作者所有
含有x和y这两个变量的线性回归是所有回归分析中最常见的一种:而且,在描述它们关系的时候,也是最有效.最容易假设的一种模型.然而,有些时候,它的实际情况下某些潜在的关系是非常复杂的,不是二元分析所能解决的,而这时,我们需要多项式回归分析来找到这种隐藏的关系. 让我们看一下经济学里的一个例子:假设你要买一个具体的产品,而你要买的个数是q.如果产品的单价是p,然后,你要给y元.其实,这就是一个很典型的线性关系.而总价和产品数量呈正比例关系.下面,根据这个实例,我们敲击行代码来作它们的线性关系图: p
% Exercise 4 -- Logistic Regression clear all; close all; clc x = load('E:\workstation\data\ex4x.dat'); y = load('E:\workstation\data\ex4y.dat'); [m, n] = size(x); % Add intercept term to x x = [ones(m, 1), x]; % Plot the training data % Use differen
一.类(类中可以写字段.属性.方法.构造函数)1.定义一个类用关键字class,后面加类名,类名第一个字母用大写,可用private或public修饰符定义访问级别,类可定义在同一命名空间中,也可定义在单独一个文件中:如:(private|public) class Person2.类里面可以有类变量(也叫字段或成员变量),也可以有方法;如:class Person{ private int age; private string name; public void setAge(int age
建立smo.m % function [alpha,bias] = smo(X, y, C, tol) function model = smo(X, y, C, tol) % SMO: SMO algorithm for SVM % %Implementation of the Sequential Minimal Optimization (SMO) %training algorithm for Vapnik's Support Vector Machine (SVM) % % This
感谢 网友 Vagrant的提醒.之前 一直就看个最后的accuracy.这个应该并不靠谱.最好把说有的信息都看一下.而一个一个看.根本记不住.只能把数据读取在图片中显示一下,才比较直观. 本文就是读的cifar10中的train_quick.sh输出的txt信息. 输出txt命令类似下面: $ sh examples/mnist/train_lenet.sh 2>&1 l tee examples/mnist/文件名.txt | less 我的txt如下 I0504 16:10:30.71