小白CV 在机器学习领域中，用于评价一个模型的性能有多种指标，其中最常用的几项有FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)。在上一篇原创文章FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)评价指标详述中，详细的介绍了FP、FN、TP、TN、精确率(Precision)、召回
转载
2023-09-14 11:19:11
0阅读
提要：基于MOOC的“Python语言程序设计基础”，主讲人：嵩天。基本算是课本笔记。科赫雪花曲线设计思路一、三种人类思维特征逻辑思维：推理和演绎，数学为代表；实证思维：实验和验证，物理为代表；计算思维：设计和构造，计算机为代表；二、计算思维的概念概念诞生：2006年，时任美国卡内基-梅隆大学计算机系主任的周以真（Jeannette M. Wing)教授，提出了计算思维（Computational
转载
2024-06-10 19:09:20
14阅读
# 如何使用Python绘制曲线
## 概述
在本文中，我将向你介绍如何使用Python绘制曲线。我假设你已经具备一些基本的Python编程知识，例如变量、循环和条件语句。本教程将帮助你了解整个过程并提供每个步骤所需的代码。
## 流程
下表展示了整个绘制曲线的流程：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 导入必要的库 |
| 2 | 准备数据 |
| 3 |
原创
2023-10-19 16:20:28
109阅读
python skimage图像处理(二)图像简单滤波对图像进行滤波，可以有两种效果：一种是平滑滤波，用来抑制噪声；另一种是微分算子，可以用来检测边缘和特征提取。skimage库中通过filters模块进行滤波操作。1、sobel算子sobel算子可用来检测边缘函数格式为：skimage.filters.sobel(image, mask=None)from skimage import data
转载
2024-03-14 21:17:48
68阅读
在人类开始有简单的工具时，绳子就出现了。就算在科技发达的现代，从电力到建筑，从航运到我们生活的方方面面，绳子也是无处不在。制造绳子的方法有很多种，编织就是其中一种较为常用的方法，要对编制绳进行CAE分析，第一步就是首先要得到CAD模型，找到这张图，开始！认真看了这个图，才发现，问题并没有我想的那么简单，圆管很容易搞定，直接扫掠就可以了，可是这个扫掠引导线过于花里胡哨，实在是难以下手。只拿这个二维图
转载
2023-08-29 20:00:10
139阅读
前些日子在做绩效体系的时候，遇到了一件囧事，居然忘记怎样在Excel上拟合正态分布了，尽管在第二天重新拾起了Excel中那几个常见的函数和图像的做法，还是十分的惭愧。实际上，当时有效偏颇了，忽略了问题的本质，解决数据分析和可视化问题，其实也是Python的拿手好戏。例如，画出指定区间的一个多项式函数：Python 代码如下：import numpy as np
import matplotlib.
何为抽稀在处理矢量化数据时，记录中往往会有很多重复数据，对进一步数据处理带来诸多不便。多余的数据一方面浪费了较多的存储空间，另一方面造成所要表达的图形不光滑或不符合标准。因此要通过某种规则，在保证矢量曲线形状不变的情况下， 最大限度地减少数据点个数，这个过程称为抽稀。通俗的讲就是对曲线进行采样简化，即在曲线上取有限个点，将其变为折线，并且能够在一定程度保持原有形状。比较常用的两种抽稀算法是：道格拉
转载
2023-09-22 14:59:45
140阅读
之前一直使用matlab来画曲线，确实非常方便，但matlab作为商业软件，价格很贵，动辄好几个GB，安装很慢，并且还涉及license问题。相对来说，python完全免费，只需要安装一个解释器，并且有很多科学计算库可以调用，所以后来就一直使用python来画曲线，记录下最近画的几条曲线。环境：mac、pycharm、anaconda1.sigmoid曲线sigmoid曲线公式如下，可将值域限定在
转载
2023-05-31 19:02:51
231阅读
这篇文章介绍如何使用python对音频进行降采样。 手上有一批48k采样率的音频，需要将到16k。这里使用python的librosa库来完成。一行代码搞定：y_48k, sr = librosa.load(wav_filename, 48000) # 读取原音频
y_16k = librosa.resample(y=y_48k, orig_sr=48000, targe_sr=16000) #
转载
2023-06-05 12:12:39
166阅读
常见绘图属性设置1.绘图符号（Makers）符号中文说明英文说明'.'圆点point marker','像素点pixel marker'o'圆圈circle marker'v'向下三角形triangle_down marker'^'向上三角形triangle_up marker'<'向左三角形triangle_left marker'>'向右三角形triangle_right mark
转载
2023-09-24 22:13:15
117阅读
01什么是Lift？Lift是评估一个预测模型是否有效的一个度量；它衡量的是一个模型(或规则)对目标中“响应”的预测能力优于随机选择的倍数，以1为界线，大于1的Lift表示该模型或规则比随机选择捕捉了更多的“响应”，等于1的Lift表示该模型的表现独立于随机选择，小于1则表示该模型或规则比随机选择捕捉了更少的“响应”。维基百科中提升度被解释为“Target response divided by
转载
2023-12-04 18:56:28
115阅读
python 画函数曲线示例如下所示：import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2 * np.pi, 100)
y1, y2 = np.sin(x), np.cos(x)
plt.plot(x, y1)
plt.plot(x, y2)
plt.title('line chart')
plt.xlabe
转载
2023-07-06 22:21:37
176阅读
matplotlib是著名的Python绘图库，它提供了一整套绘图API，十分适合交互式绘图。，解决数据分析和可视化问题，其实也是Python的拿手好戏。另外，在数据处理过程中会用到numpy。
例如，画出指定区间的一个多项式函数：
Python 代码如下：
import numpy
转载
2023-10-27 23:53:22
73阅读
第1关：能带曲线绘制一任务描述本关任务：使用matplotlib绘制图形。相关知识为了完成本关任务，你需要掌握：使用 matplotlib 绘制图形python 读取文件python 读取文件 python读取文件可以用以下函数实现：# 读文件，根据制表符'\t'将每行数据切分为列表再加入到列表中
def read_file(file):
"""
@参数 file：文件名，字符串
转载
2023-08-17 18:58:13
328阅读
文章目录 前言一、方法原理二、使用步骤1.计算基尼系数和绘制洛伦兹曲线步骤2.基尼系数的python代码3.洛伦兹曲线的python代码4.模拟数据示例总结 前言在医疗资源分配日益成为公众关注焦点的当下，基于人口的医师配置基尼系数成为了衡量医疗资源分布公平性的重要指标。本文介绍用于计算这一系数和绘制洛伦兹曲线的Python代码，并通过示例数据展示其实际应用。通过了解基尼系数的计算原理和洛伦兹曲线的
转载
2024-06-12 10:47:44
51阅读
首先以支持向量机模型为例先导入需要使用的包，我们将使用roc_curve这个函数绘制ROC曲线！from sklearn.svm import SVC
from sklearn.metrics import roc_curve
from sklearn.datasets import make_blobs
from sklearn. model_selection import train_tes
转载
2023-07-01 13:14:18
422阅读
基础知识 TP（True Positive）：指正确分类的正样本数，即预测为正样本，实际也是正样本。FP（False Positive）：指被错误的标记为正样本的负样本数，即实际为负样本而被预测为正样本，所以是False。TN（True Negative）：指正确分类的负样本数，即预测为负样本，实际也是负样本。FN（False Negative）：指被错误的标记为负样本的正样
转载
2023-11-22 23:25:07
61阅读
PR曲线和ROC曲线比较 ROC曲线特点： （1）优点：当测试集中的正负样本的分布变化的时候，ROC曲线能够保持不变。因为TPR聚焦于正例，FPR聚焦于与负例，使其成为一个比较均衡的评估方法。 在实际的数据集中经常会出现类不平衡（class imbalance）现象，即负样本比正样本多很多（或者相反），而且测试数据中的正负样本的分布也可能随着时间变化。 （2）缺点：上文提到ROC曲线
转载
2023-12-15 11:10:05
101阅读
# 教你实现Python正弦曲线加速曲线
在这篇文章中，我们将学习如何使用Python来绘制正弦曲线，并在其基础上实现加速效果。首先，我们将介绍整个流程，然后逐步演示每个步骤的实现。最后，我们会通过一幅图展示整个实现的过程。
## 整体流程
为便于你理解整个过程，先展示一个简化的步骤表：
| 步骤 | 描述 |
|--------|-------
原创
2024-09-15 06:03:18
92阅读
代码注释>>> import numpy as np
>>> from sklearn import metrics
导入metrics模块
>>> y = np.array([1, 1, 2, 2])
假设我们的测试样本对只有4个，正样本对label=1，负样本对label=2
>>> scores = np.array(
转载
2023-08-09 18:43:59
239阅读
