Premier jour d'étude de Python

[Construisons un réseau de neurones avec PYTHON sans utiliser de bibliothèque](http://blog.moji.ai/2015/12/ Neural net sans utiliser de bibliothèque avec python /) dans votre propre environnement Le premier jour, je l'ai essayé.

J'ai lu jusqu'à la zone du réseau neuronal avec [PRML](https://www.amazon.co.jp/Pattern Recognition and Machine Learning-above-CM-Bishop / dp / 4621061224? Ie = UTF8 & redirect = true & tag = prog4ml-22) Alors je vais l'essayer comme une pratique.

Cadre environnemental

J'ai écrit que je n'utilise pas de bibliothèque, mais il semble que j'ai besoin d'une bibliothèque python, donc je vais la préparer. Certaines choses ne sont pas nécessaires cette fois, mais après cette série [Python Machine Learning Programming](https://www.amazon.co.jp/Python Machine Learning Programming-Theory and Practice by Expert Data Scientists-impress-top- gear / dp / 4844380605) Je pense que je vais le faire, alors je l'ai mis.

pip install --upgrade pip
pip install NumPy
pip install SciPy
pip install scikit-learn
pip install pandas
pip install matplotlib
pip install ipython

J'ai réussi à installer matplotlib, mais quand j'ai essayé de l'utiliser, j'ai eu une erreur (de manière interactive). Le symptôme était le même que RuntimeError lorsque vous essayez d'utiliser matplitlib et pylab dans Python 3.3, créez donc le fichier de configuration matplotlibrc et modifiez les paramètres du backend fait.

Ça ressemble à ça dans mon environnement

python --version
Python 3.5.0
pip list
appnope (0.1.0)
cycler (0.10.0)
decorator (4.0.10)
gnureadline (6.3.3)
ipython (4.2.1)
ipython-genutils (0.1.0)
matplotlib (1.5.1)
networkx (1.11)
numpy (1.11.1)
pandas (0.18.1)
pexpect (4.1.0)
pickleshare (0.7.2)
pip (8.1.2)
ptyprocess (0.5.1)
pyparsing (2.1.5)
python-dateutil (2.5.3)
pytz (2016.4)
scikit-learn (0.17.1)
scipy (0.17.1)
setuptools (24.0.2)
simplegeneric (0.8.1)
six (1.10.0)
traitlets (4.2.2)

Génération de données

J'ai utilisé Scikit-learn tel qu'il est écrit dans la génération de données. Les données générées par make_moon sont de 200 points de données,

• Variable bidimensionnelle X
• Libellé y (0 ou 1) pour chaque variable X

Avoir les informations de. Il s'agit de deux données bidimensionnelles semi-circulaires et d'un échantillon de données avec une identification linéaire ajoutée.

ipython --pylab
Python 3.5.0 (default, Oct 17 2015, 16:12:04) 
Type "copyright", "credits" or "license" for more information.

IPython 4.2.1 -- An enhanced Interactive Python.
?         -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help      -> Python's own help system.
object?   -> Details about 'object', use 'object??' for extra details.
Using matplotlib backend: TkAgg

In [1]: import numpy as np

In [2]: import matplotlib.pyplot as plt

In [3]: from sklearn.datasets import make_moons

In [4]: np.random.seed(0)

In [5]: X, y = make_moons(200, noise=0.20)

In [6]: plt.scatter(X[:,0], X[:,1], s=40, c=y, cmap=plt.cm.Spectral)
Out[6]: <matplotlib.collections.PathCollection at 0x119813ef0> 

La sortie des points de données pour l'implémentation est la suivante.

C'est tout pour aujourd'hui.