机器学习三剑客补充

1. 启动JupyterLab
jupyter lab --ip=0.0.0.0 --no-browser --notebook-dir=notebook

--ip=0.0.0.0 监听所有ip,允许其他电脑访问
--no-brower 不启动本地浏览器
--notebook-dir 指定根目录

注:发现还是jupyter notebook比jupyter lab好用一些,前者允许notebook中的markdown文本引用目录下的图片等资源,而jupyter lab则可能是增强了安全控制,禁止引用本地资源

2.设置密码登录
Running a notebook server

3.隐藏代码导出html
jupyter nbconvert --to html --template=hidecode.tpl --post serve $1

–post serve 可以通过127.0.0.1:8000访问html文件
–template=hidecode.tpl 隐藏python代码

hidecode.tpl

{% extends ‘full.tpl‘%}
{% block input_group -%}
{% endblock input_group %}

tpl语法参考Customizing nbconvert

4.嵌入显示matplotlib结果
%matplotlib inline
import matplotlib.pyplot as plt
import numpy
x=numpy.arange(-2,2,0.1)
plt.plot(x,numpy.sin(x))
plt.show()

5.matplotlib显示中文
#matplotlib字体目录:/site-packages/matplotlib/mpl-data/fonts/ttf/
#不支持ttc格式字体文件,譬如放入微软雅黑字体文件msyh.ttf
from matplotlib.font_manager import _rebuild
_rebuild()#重新创建字体索引列表
import matplotlib
matplotlib.rcParams[‘font.family‘]=[‘Microsoft YaHei‘]
#或者修改/site-packages/matplotlib/mpl-data/matplotlibrc文件中的‘font.family‘字段
plt.title(‘中文标题‘)
plt.plot(x,numpy.sin(x))
plt.show()

原文地址:https://www.cnblogs.com/xiaoxiaoxl/p/11110011.html

时间: 2024-10-08 15:59:23

机器学习三剑客补充的相关文章

机器学习三剑客之Matplotlib基本操作

Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形  . 通过 Matplotlib,可以仅需要几行代码,便可以生成绘图,线型图,柱状图,散点图等. 安装命令: pip install Matplotlib 1.生成柱状图: #导包 import matplotlib.pyplot as plt #导入字体库 from matplotlib.font_manager import FontProperties #设置本机字体

机器学习-线性回归补充-R^

线性回归算法在选自变量会遇到两个问题:一是去掉多重共线性干扰,二是选择最优自变量组合. 线性回归步骤 1.选择自变量 注意点 去掉多重共线性干扰,选择最优自变量组合.这里需要理解决定系数:R^.它是理解选自变量两个问题的基础. 2.创建线线回归模型 3.分析模型 R^ 表示因变量波动中被模型拟合的百分比,作用是衡量模型拟合数据的好坏. 数学公式定义 普通R^ 建议在单自变量中使用 调整R^ 当模型的输入自变量有一个以上时候,我们要对R^作出调整,这时候它被称为调整R^ 调整R^建议在多自变量中使

机器学习-线性回归补充-实践

线性回归分析过程中可能会遇到的问题 选定自变量时候要注意:去除多重共线性干扰 什么是多重共线性干扰? 强相关变量 多重共线性 避免将两个强相关变量输入到一个模型中,解决办法是只保留一个. 消除多重共线性的方法: 如果GVIF>10 则需要调整 如何挑选输入模型的自变量 输入的自变量多是有好处的,能够提升回归模型的准确性.另一方面,建设输入的自变量也是有好处的,可以方便业务同事理解. 权衡自变量多少的标准: 用olsrr包的ols_all_possible()函数 以上数据都计算出来后就可以创建线

机器学习三剑客之numpy

numpy库 简介 numpy(Numerical Python的简称)是高性能科学计算和数据分析的基础包. 功能 ndarray,一个具有矢量算数运算和复杂广播能力的快速且节省空间的多维数组. 用于对整组数据进行快速运算的标准数学函数(无需编写循环). 用于读写磁盘数据的工具以及用于操作内存映射文件的工具. 线性代数,随机数生成以及傅里叶变换功能. 用于集成由C,C++,Fortran等语言编写的代码的工具. 具体分析 1.ndarry 创建ndarray:创建数组最简单的方法就是使用arra

机器学习--matplotlib绘制各种图标

机器学习三剑客:numpy.pandas.matplotlib NumPy系统是Python的一种开源的数值计算扩展.这种工具可用来存储和处理大型矩阵. pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的. Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形. 柱状图bar from matplotlib import pyplot as plt import matplotlib # 显示图表,

绘图神器-matplotlib入门

这次,让我们使用一个非常有名且十分有趣的玩意儿来完成今天的任务,没错它就是jupyter. 一.安装jupyter matplotlib入门之前,先安装好jupyter.这里只提供最为方便快捷的安装方式:pip install jupyter. 我这里已经装过了 启动jupyter也十分简单:jupyter notebook 执行命令后,自动启动服务,并自动打开浏览器,jupyter就长这样 找到你想要的目录,右上角new-->python3新建一个可以执行python3代码的jupyter文件

问答系统的前世今生

一. 前世 传统的问答系统是人工智能(AI: Artificial Intelligence)领域的一个应用,通常局限于一个非常狭窄专门的领域,基本上是由人工编制的知识库加上一个自然语言接口而成.由于领域狭窄,词汇总量很有限,其语言和语用的歧义问题可以得到有效的控制.问题是可以预测的,甚至是封闭的集合,合成相应的答案自然有律可循.著名的项目有上个世纪60年代研制的LUNAR系统,专事回答有关阿波罗登月返回的月球岩石样本的地质分析问题.SHRDLE 是另一个基于人工智能的专家系统,模拟的是机器人在

人脸识别经典算法三:Fisherface(LDA)

Fisherface是由Ronald Fisher发明的,想必这就是Fisherface名字由来.Fisherface所基于的LDA(Linear Discriminant Analysis,线性判别分析)理论和特征脸里用到的PCA有相似之处,都是对原有数据进行整体降维映射到低维空间的方法,LDA和PCA都是从数据整体入手而不同于LBP提取局部纹理特征.如果阅读本文有难度,可以考虑自学斯坦福公开课机器学习或者补充线代等数学知识. 同时作者要感谢cnblogs上的大牛JerryLead,本篇博文基

AI在运维中的应用

? 摘 要:随着X86分布式技术应用,服务器数量越来越多,网络拓扑结构越来越复杂,运维越来越辛苦,风险越来越高.智能化运维AIOPS将AI技术应用在运维场景,是DevOps的运维部分,是"开发运维一体化云中心"的重要基础设施之一,其最大的价值在于缩短故障恢复时间,提高IT服务连续性. 本文描述一个运维及在这个场景下对AI的需求,目标是尝试将AI引入运维过程,提高运维效率.缩短故障恢复时间. 关键字:机器学习:DEVOPS.AIOPS.流量预测 随着X86分布式架构应用,服务器规模越来越