Teknoloji Haberleri
DH
forum
mini
Uygulama ile
aç
Uygulama ile Aç
Giriş
Kayıt
DH Anasayfa
İndirim Kodu
Ara
Popüler
Foruma Git
Hakkımızda
Destek
Mobil Sürüm
Standart Site Görünümü
Bu Konuda
Tüm Forumlar
Web Tasarım - Programlama
Yazılım Geliştirme
Delphi / C++ /Vb
Bu Konuda
Bağlan:
Facebook
Google+
Twitter
Aşağı Git
Tüm Forumlar
Web Tasarım - Programlama
Yazılım Geliştirme
Delphi / C++ /Vb
python istatistik uygulaması
Bu konudaki kullanıcılar: 1 misafir
0
Cevap
169
Tıklama
0
Öne Çıkarma
1. sayfa
python istatistik uygulaması
Cevap Yaz
Konuya Özel
Linkli Mesajlar
Seçkin Yorumlar
B
burak atılgan
Cevapla
Özel Mesaj
Şikayet
Mesaja Link
Takip Et
3 yıl
Er
Konu Sahibi
arkadaşlar sınavım var da yardımcı olur musunuz
teşekkürler
Aşağıda verilen python kodlarını jupyter arayüzünde çalıştırın. Yorum yapmak için araya hücre ekleyip yorumlarınızı buraya yapınız.
%matplotlib inline import matplotlib.pyplot as plt import numpy import pandas import seaborn import sklearn.datasets import sklearn.model_selection import sklearn.neighbors seaborn.set() rand = numpy.random.RandomState(100) vals = rand.randn(1000) # standard normal vals[375:] += 3.5 fig, ax = plt.subplots(figsize=(14, 10)) ax.hist(vals, bins=50, density=True, label='Sampled Values') ax.plot(vals, -0.005 - 0.01 * numpy.random.random(len(vals)), '+k', label='Individual Points') ax.legend(loc='upper right') bandwidths = 10 ** numpy.linspace(-1, 1, 100) grid = sklearn.model_selection.GridSearchCV( estimator=sklearn.neighbors.KernelDensity(kernel="gaussian"), param_grid={"bandwidth": bandwidths}, cv=10 ) grid.fit(vals[:, None]) best_bandwidth = grid.best_params_["bandwidth"] print( "Best Bandwidth Value: {}" .format(best_bandwidth) )
Cevap Yaz
1. sayfa
Tüm Forumlar
Web Tasarım - Programlama
Yazılım Geliştirme
Delphi / C++ /Vb
python istatistik uygulaması
DH Mobil uygulaması ile devam edin.
Mobil tarayıcınız ile mümkün olanların yanı sıra, birçok yeni ve faydalı özelliğe erişin.
App Store'dan
İndirin
Google Play'den
İndirin
Gizle ve güncelleme çıkana kadar tekrar gösterme.
Hizmet kalitesi için çerezleri kullanabiliriz, DH'yi kullanırken depoladığımız çerezlerle ilgili
veri politikamıza
gözatın.
teşekkürler
Aşağıda verilen python kodlarını jupyter arayüzünde çalıştırın. Yorum yapmak için araya hücre ekleyip yorumlarınızı buraya yapınız.
%matplotlib inline import matplotlib.pyplot as plt import numpy import pandas import seaborn import sklearn.datasets import sklearn.model_selection import sklearn.neighbors seaborn.set() rand = numpy.random.RandomState(100) vals = rand.randn(1000) # standard normal vals[375:] += 3.5 fig, ax = plt.subplots(figsize=(14, 10)) ax.hist(vals, bins=50, density=True, label='Sampled Values') ax.plot(vals, -0.005 - 0.01 * numpy.random.random(len(vals)), '+k', label='Individual Points') ax.legend(loc='upper right') bandwidths = 10 ** numpy.linspace(-1, 1, 100) grid = sklearn.model_selection.GridSearchCV( estimator=sklearn.neighbors.KernelDensity(kernel="gaussian"), param_grid={"bandwidth": bandwidths}, cv=10 ) grid.fit(vals[:, None]) best_bandwidth = grid.best_params_["bandwidth"] print( "Best Bandwidth Value: {}" .format(best_bandwidth) )