前段时间看了一期《最强大脑》，里面各种繁花曲线组合成了非常美丽的图形，一时心血来潮，想尝试自己用代码绘制繁花曲线，想怎么组合就怎么组合。真实的繁花曲线使用一种称为繁花曲线规的小玩意绘制，繁花曲线规由相互契合大小两个圆组成，用笔插在小圆上的一个孔中，紧贴大圆的内壁滚动，就可以绘制出漂亮的图案。这个过程可以做一个抽象：有两个半径不相等的圆，大圆位置固定，小圆在大圆内部，小圆紧贴着大圆内壁滚动，求小圆上
转载
2023-11-14 11:15:37
93阅读
原标题：做个绘图仪，画出美丽的繁花曲线 | 上周实验回顾在刚刚过去的周末，北京、上海、广州、深圳、杭州、南京的孩子们又在科学队长实验室玩嗨啦！一起来回顾一下吧~开眼时间认识繁花曲线纸币上的背景部分，有着一个个看起来很复杂但又有规律的图案，它们让纸币更美观精致，更有层次感。这些图案被称为“繁花曲线”，爸爸妈妈小时候，市面上有种“繁花曲线规”，可以用它们画出这种美丽的图案。繁花曲线规是由杨秉烈发明的，
转载
2024-01-07 21:04:04
115阅读
在使用Python进行数据可视化时，我们发现“python繁花曲线”代码的实现过程中存在一些技术痛点。许多用户希望能够快速实现繁花曲线的绘制，但却面临着效率低下、运行不稳定等问题。【引用块】“我希望能够简便直观地展示数据的分布情况，尤其是像繁花曲线这样的美观图形，为什么我的代码总是出错？”
### 演进历程
随着项目的发展，我们在繁花曲线的实现过程中遇到了不同的技术挑战。在这个阶段，我们进行了
一、曲线的参数方程1.1 参数方程的概念一般地，在平面直角坐标系中，如果曲线上任意一点的坐标都是某个变数的函数并且对于每个的允许值，由方程组（1）所确定的点都在这条曲线上，那么方程组（1）就称为这条曲线的参数方程，联系变数的变数叫做参变数，简称参数。相对参数方程而言，直接给出点的坐标间关系的方程叫做普通方程。这里的参数可以是一个有物理意义或几何意义的变数，也可以是没有明显实际意义的变数。一个曲线多
转载
2024-01-06 09:19:07
251阅读
前几天逛朋友圈的时候，无意间刷到同学这样一条内容：朋友圈截图不知道大家有没有眼熟的感觉，反正是勾起了我不少回忆。这种叫做“万花尺”的小玩意儿小时候应该不少人都玩过。一个大圆套一个小圆，圆与圆之间通过齿轮啮合在一起。只需选中一个点，拿一支笔随着圆移动，就可以画出各种复杂的曲线，不同的曲线又可以进一步呈现出奇妙的图形。并且换用不同颜色的笔芯还可以使得图形更加丰富多彩（如上图所示）。这种图形还有一个更加
原创
2021-04-08 10:03:35
712阅读
如题
原创
2022-03-17 09:26:47
936阅读
matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。在Linux下比较著名的数据图工具还有gnuplot，这
转载
2023-09-13 16:54:21
68阅读
# 使用 Python 绘制 Loss 曲线的入门指南
在机器学习和深度学习中，绘制 Loss 曲线是评估模型训练情况的重要步骤。Loss 曲线可以帮助我们可视化模型的性能，判断模型是否过拟合或欠拟合。本文将带您完成绘制 Loss 曲线的整个过程，通过一个简单的示例逐步进行。
## 流程概述
下面是绘制 Loss 曲线的基本步骤：
| 步骤 | 描述 |
|------|------|
|
# ROC曲线及其在模型评估中的应用
在机器学习模型的评估中，ROC（Receiver Operating Characteristic）曲线是一个非常重要的工具。它能够帮助我们理解分类模型在不同阈值下的表现。本文将详细介绍ROC曲线的概念、绘制方法和实现代码示例，同时提供类图以便于理解。
## 什么是ROC曲线？
ROC曲线是以假阳性率（False Positive Rate，FPR）为横
绘制ROC曲线是一种常用的评估机器学习分类模型性能的方法。在这篇文章中，我将与大家分享如何使用Python绘制ROC曲线，围绕这个主题进行深入探讨。
### 背景描述
在机器学习中，ROC（接收者操作特征）曲线用于展示二分类模型在不同阈值下的表现。我们将“绘制ROC曲线”的过程分为以下几个主要步骤：
1. **准备数据**：导入必要的库和数据集。
2. **模型训练**：训练机器学习模型并获取
第一章：python第七节：循环与迭代判断python中if-else语句的多种写法 a, b, c = 1, 2, 3 1.常规if a>b:····c = aelse:····c = b 2.表达式c = a if a>b else b 3.二维列表c = [b,a][a>b]1，循环for循环迭代选取序列元素的三种方式 1.序列项迭代>>> list1=[
一、科赫曲线运用递归，一阶一阶分隔，如2阶的每条小线是1阶（所以代码为n-1）import turtle
def koch(size,n):
if n == 0:
turtle.fd(size)
else:
for angle in [0,60,-120,60]:
turtle.left(angl
转载
2023-06-21 10:24:23
121阅读
1.什么是ROC: ROC曲线：接收者操作特征曲线(receiver operating characteristic curve)，是反映敏感性和特异性连续变量的综合指标，roc曲线上每个点反映着对同一信号刺激的感受性。2.如果学习ROC，首先必须知道什么：TPR，什么是FPR。 TPR的英文全称为：True Positive Rate FPR的英文全称
转载
2023-11-08 09:07:32
402阅读
研究了三天的多分类pr曲线问题终于在昨天晚上凌晨一点绘制成功了！！ 现将所学所感记录一下，一来怕自己会忘可以温故一下，二来希望能给同样有疑惑的铁子们一些启迪！下图为我画的pr曲线，因为准确度超过了97%，所以曲线很饱和。首先了解一下二分类中的pr曲线是怎么画的？“p” 是precition，是查准率，也是我们常用到的准确率。 “r” 是recall，是查全率，也叫召回率。 上图为测试结果的混淆矩阵
转载
2023-08-09 17:29:56
366阅读
## 使用Python绘制水文频率曲线的完整指南
### 流程概述
在绘制水文频率曲线之前，我们需要按照以下流程进行操作。以下是步骤的详细列表：
| 步骤 | 描述 |
|------|------|
| 1 | 收集数据：获取水文数据，包括流量和时间 |
| 2 | 数据处理：对数据进行清理和预处理 |
| 3 | 计算频率：根据流量数据计算频率 |
| 4 | 绘
# 用Python绘制Loss损失曲线的完整指南
在机器学习和深度学习中，绘制损失（loss）曲线是评估模型性能的一个重要环节。损失曲线能够帮助开发者观察在训练过程中模型的表现，以及是否存在过拟合或者欠拟合的问题。本文将带你了解如何使用Python绘制损失曲线。
## 流程概述
以下是完成绘制损失曲线的基本步骤：
| 步骤 | 描述
# 教你绘制AUC曲线的Python代码
绘制AUC（曲线下面积）曲线是评估分类模型性能的一种常用方法。AUC值越高，表示模型的分类性能越好。下面，我将带你逐步实现绘制AUC曲线的代码。这篇文章将指导你完成整个过程，以及所需的代码。
## 1. 流程概述
以下是绘制AUC曲线的步骤：
| 步骤 | 描述 |
|------
Python 绘制 loss 曲线、准确率曲线使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制一、数据读取与存储部分我们首先要得到训练时的数据，以损
转载
2023-10-14 18:26:47
1108阅读
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
# 用Python绘制ROC曲线的科普文章
在机器学习和统计学领域，接收者操作特征（ROC）曲线是一种用于评估二分类模型性能的重要工具。ROC曲线通过在不同的阈值下计算真正率（True Positive Rate，TPR）和假正率（False Positive Rate，FPR），展示了模型在各种分类决策阈值下的表现。本文将介绍如何使用Python绘制ROC曲线，并提供相应的代码示例。
##
