Tag: scipy

Эффективно изменить размер scipy.spare.csr_matrix

У меня есть функция, которая берет csr_matrix и выполняет некоторые вычисления на ней. Для поведения этих вычислений требуется, чтобы форма этой матрицы была конкретной (скажем, NxM ). Вход, который я посылаю, имеет меньше столбцов и точное количество строк. (например, он имеет форму = (A, B), где A <N и B == M) Например: у меня […]

Могу ли я игнорировать предупреждения из scipy, если использовать границы с минимизатором в scipy (Python), который не требует границ?

Я запускаю набор методов минимизации из scipy.optimize. Я ввожу ограничения на вызов одного конкретного метода (Nelder-Mead) и scipy предупреждает меня: RuntimeWarning: Method Nelder-Mead cannot handle constraints nor bounds. Предупреждение ясно: я не должен вводить границы, но я фактически вводю ограничения по другим причинам (чтобы обобщить мой код и игнорировать специальные случаи). Вопрос: Могу ли я […]

SciPy Conjugate Gradient Optimization не вызывает метод обратного вызова после каждой итерации

Я следил за учебником здесь , чтобы реализовать логистическую регрессию с использованием theano. В вышеупомянутом учебном пособии используется процедура оптимизации fmin_cg SciPy. К числу важных аргументов для вышеупомянутой функции относятся: f минимизация функции «объект / стоимость», x0 пользователь поставил исходное предположение о параметрах, fprime функцию, которая предоставляет производную от функции f в x и callback […]

Логарифмический определитель в функции потери звука

Я использую Theano (пакет python для глубокого обучения), но я очень новичок в этом, и у меня возникает проблема с термином в моей функции потерь. Этот термин включает в себя взятие логарифма определителя матрицы; матрица является функцией слоя скрытых единиц в моей сети. Я импортирую Tensor и Tensor.nlinalg: import theano import theano.tensor as T import […]

Сбой RAM при добавлении массивов

У меня есть набор данных 1,4 миллиона образцов x 32 функций. Я хочу преобразовать каждый образец в конкатенацию массива из более ранних 1000 выборок плюс сам. Поскольку у меня нет более ранних данных для первых 1000 образцов, я удаляю их. Таким образом, каждый образец имеет 1001 * 32 функции после преобразования. Я использую код ниже, […]

Преобразование данных для kmeans и PCA

У меня есть набор данных, который выглядит так: search_term = ['computer','usb port', 'phone adaptor'] clicks = [3,2,1] bounce = [0,0,2] conversion = [4,1,0] Я хочу передать его в модель kmeans, однако мне трудно преобразовать списки в матричный формат, чтобы он мог проникать в kmeans. Я также хочу уменьшить размеры с помощью PCA, чтобы его можно […]

Как я могу предотвратить гауссовское размытие Numpy / SciPy от преобразования изображения в серое?

Я хочу выполнить гауссовское размытие изображения, но я не хочу, чтобы его преобразовали в серое. Есть ли способ выполнить эту операцию и сохранить цвет? from scipy import misc import scipy import numpy as np a = misc.imread('A.jpg') # A retains its color misc.imsave('color.jpg', a) # A_G_Blur gets converted to grey scale, I want to prevent […]

Быстрое вычисление расстояния в scipy и numpy

Пусть A,B – ((day,observation,dim)) массивы. Каждый массив содержит в течение данного дня такое же количество наблюдений, причем наблюдение представляет собой точку с тусклыми размерами (то есть поплавками). На каждый день я хочу вычислить пространственные расстояния между всеми наблюдениями в A и B тот день. Например: import numpy as np from scipy.spatial.distance import cdist A, B […]

Многие малые матрицы ускоряются для циклов

У меня есть большая координатная сетка (векторы a и b), для которой я генерирую и решаю уравнение матрицы (10×10). Есть ли способ для scipy.linalg.solve принимать входные данные? До сих пор мое решение заключалось в том, чтобы запускать циклы по координатным массивам. import time import numpy as np import scipy.linalg N = 10 a = np.linspace(0, […]

Как я могу выбрать многомерное логарифмически нормальное распределение в Python?

Используя Python, как я могу отбирать данные из многомерного логарифмического распределения? Например, для многомерной нормали есть два варианта. Предположим, что мы имеем 3 x 3 ковариационную матрицу и трехмерный средний вектор mu. # Method 1 sample = np.random.multivariate_normal(mu, covariance) # Method 2 L = np.linalg.cholesky(covariance) sample = L.dot(np.random.randn(3)) + mu Я нашел numpy.random.lognormal , но […]

Python - лучший язык программирования в мире.