Benutzer-Werkzeuge

Webseiten-Werkzeuge


ss16:26.05.2016

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen gezeigt.

Link zu dieser Vergleichsansicht

Beide Seiten der vorigen Revision Vorhergehende Überarbeitung
Nächste Überarbeitung
Vorhergehende Überarbeitung
ss16:26.05.2016 [2016/06/09 16:26]
henrikfrenzel
ss16:26.05.2016 [2016/06/16 17:07] (aktuell)
henrikfrenzel
Zeile 1: Zeile 1:
   * Herunterladen des MNIST Datensatz mit 70.000 handgeschriebenen Ziffern \\   * Herunterladen des MNIST Datensatz mit 70.000 handgeschriebenen Ziffern \\
 +<​code>​
 +from sklearn.datasets import fetch_mldata
 +mnist = fetch_mldata('​MNIST original'​)
 +</​code>​
   * k-nearest-Neighbor-Algorithmus für einfache Vektoren geschrieben \\   * k-nearest-Neighbor-Algorithmus für einfache Vektoren geschrieben \\
 +<code python>
 +import numpy as np
 +import math as m
 +import operator
 +
 +def abstand(vektor1,​ vektor2):
 + summe=0
 + for i in range(len(vektor1)):​
 + summe+=(vektor1[i]-vektor2[i])**2
 + abstand= m.sqrt(summe)
 + return abstand
 +
 +
 +def nachbarn(untersuchen,​ vergleich, anzahl):
 + abstaende=[]
 + for i in range(len(vergleich)):​
 + abstaende.append((abstand(untersuchen,​ vergleich[i]),​i))
 + abstaende.sort(key=operator.itemgetter(0))
 + print abstaende
 + print "​Untersuchtes Objekt gehoert zu: ", vergleich[abstaende[0][1]][len(untersuchen)]
 +
 +
 +test1=[(1,​2,​8,"​a"​),​(3,​4,​5,"​b"​),​(10,​10,​10,"​c"​)]
 +test2=[3,​5,​0]
 +nachbarn(test2,​test1,​1)
 +</​code>​
 +
 +   * Aufbau eines einfachen Datensatz
 +<code >
 +python
 +>>>​ from sklearn import datasets
 +>>>​ digits=datasets.load_digits()
 +>>>​ digits.keys()
 +['​images',​ '​data',​ '​target_names',​ '​DESCR',​ '​target'​]
 +>>>​ digits.data
 +array([[ ​ 0.,   ​0., ​  5., ...,   ​0., ​  ​0., ​  0.],
 +       ​[ ​ 0.,   ​0., ​  0., ...,  10.,   ​0., ​  0.],
 +       ​[ ​ 0.,   ​0., ​  0., ...,  16.,   ​9., ​  0.],
 +       ​..., ​
 +       ​[ ​ 0.,   ​0., ​  1., ...,   ​6., ​  ​0., ​  0.],
 +       ​[ ​ 0.,   ​0., ​  2., ...,  12.,   ​0., ​  0.],
 +       ​[ ​ 0.,   ​0., ​ 10., ...,  12.,   ​1., ​  0.]])
 +>>>​ digits.data.shape
 +(1797, 64)
 +>>>​ digits.images
 +array([[[ ​ 0.,   ​0., ​  5., ...,   ​1., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​ 13., ...,  15.,   ​5., ​  0.],
 +        [  0.,   ​3., ​ 15., ...,  11.,   ​8., ​  0.],
 +        ..., 
 +        [  0.,   ​4., ​ 11., ...,  12.,   ​7., ​  0.],
 +        [  0.,   ​2., ​ 14., ...,  12.,   ​0., ​  0.],
 +        [  0.,   ​0., ​  6., ...,   ​0., ​  ​0., ​  0.]],
 +
 +       ​[[ ​ 0.,   ​0., ​  0., ...,   ​5., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​  0., ...,   ​9., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​  3., ...,   ​6., ​  ​0., ​  0.],
 +        ..., 
 +        [  0.,   ​0., ​  1., ...,   ​6., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​  1., ...,   ​6., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​  0., ...,  10.,   ​0., ​  0.]],
 +
 +       ​[[ ​ 0.,   ​0., ​  0., ...,  12.,   ​0., ​  0.],
 +        [  0.,   ​0., ​  3., ...,  14.,   ​0., ​  0.],
 +        [  0.,   ​0., ​  8., ...,  16.,   ​0., ​  0.],
 +        ..., 
 +        [  0.,   ​9., ​ 16., ...,   ​0., ​  ​0., ​  0.],
 +        [  0.,   ​3., ​ 13., ...,  11.,   ​5., ​  0.],
 +        [  0.,   ​0., ​  0., ...,  16.,   ​9., ​  0.]],
 +
 +       ​..., ​
 +       ​[[ ​ 0.,   ​0., ​  1., ...,   ​1., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​ 13., ...,   ​2., ​  ​1., ​  0.],
 +        [  0.,   ​0., ​ 16., ...,  16.,   ​5., ​  0.],
 +        ..., 
 +        [  0.,   ​0., ​ 16., ...,  15.,   ​0., ​  0.],
 +        [  0.,   ​0., ​ 15., ...,  16.,   ​0., ​  0.],
 +        [  0.,   ​0., ​  2., ...,   ​6., ​  ​0., ​  0.]],
 +
 +       ​[[ ​ 0.,   ​0., ​  2., ...,   ​0., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​ 14., ...,  15.,   ​1., ​  0.],
 +        [  0.,   ​4., ​ 16., ...,  16.,   ​7., ​  0.],
 +        ..., 
 +        [  0.,   ​0., ​  0., ...,  16.,   ​2., ​  0.],
 +        [  0.,   ​0., ​  4., ...,  16.,   ​2., ​  0.],
 +        [  0.,   ​0., ​  5., ...,  12.,   ​0., ​  0.]],
 +
 +       ​[[ ​ 0.,   ​0., ​ 10., ...,   ​1., ​  ​0., ​  0.],
 +        [  0.,   ​2., ​ 16., ...,   ​1., ​  ​0., ​  0.],
 +        [  0.,   ​0., ​ 15., ...,  15.,   ​0., ​  0.],
 +        ..., 
 +        [  0.,   ​4., ​ 16., ...,  16.,   ​6., ​  0.],
 +        [  0.,   ​8., ​ 16., ...,  16.,   ​8., ​  0.],
 +        [  0.,   ​1., ​  8., ...,  12.,   ​1., ​  ​0.]]])
 +>>>​ digits.images.shape
 +(1797, 8, 8)
 +>>>​ digits.images[0,:,:​]
 +array([[ ​ 0.,   ​0., ​  ​5., ​ 13.,   ​9., ​  ​1., ​  ​0., ​  0.],
 +       ​[ ​ 0.,   ​0., ​ 13.,  15.,  10.,  15.,   ​5., ​  0.],
 +       ​[ ​ 0.,   ​3., ​ 15.,   ​2., ​  ​0., ​ 11.,   ​8., ​  0.],
 +       ​[ ​ 0.,   ​4., ​ 12.,   ​0., ​  ​0., ​  ​8., ​  ​8., ​  0.],
 +       ​[ ​ 0.,   ​5., ​  ​8., ​  ​0., ​  ​0., ​  ​9., ​  ​8., ​  0.],
 +       ​[ ​ 0.,   ​4., ​ 11.,   ​0., ​  ​1., ​ 12.,   ​7., ​  0.],
 +       ​[ ​ 0.,   ​2., ​ 14.,   ​5., ​ 10.,  12.,   ​0., ​  0.],
 +       ​[ ​ 0.,   ​0., ​  ​6., ​ 13.,  10.,   ​0., ​  ​0., ​  0.]])
 +>>>​ import matplotlib.pyplot as plt
 +>>>​ plt.imshow(digits.images[0,:,:​])
 +<​matplotlib.image.AxesImage Object at 0x7f5cf834c650>​
 +>>>​ plt.show()
 +</​code>​
 +
   * Einrichtung der tubcloud   * Einrichtung der tubcloud
ss16/26.05.2016.1465482410.txt.gz · Zuletzt geändert: 2016/06/09 16:26 von henrikfrenzel