github上面的乙個專案，分為level1,level2,level3 三個等級的難度。
練習題1：
隨機生成一列資料，畫出這些資料的分布、概率密度曲線，以及進行歸一化、標準化之後的分布、概率密度曲線。
解答：# 歸一化、標準化、中心化
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
original_data = np.random.exponential(size = 1000)
scaled_data = (original_data - original_data.min())/(original_data.max()-original_data.min())
fig,ax = plt.subplots(1,2)
sns.distplot(original_data,ax=ax[0]) #直方圖
ax[0].set_title("original data")
sns.distplot(scaled_data,ax = ax[1])
ax[1].set_title('scaled data')
plt.show()
original_data = 6*np.random.rand(1000)+7
scaled_data = (original_data - original_data.mean())/original_data.std()
fig,ax = plt.subplots(1,2)
sns.distplot(original_data,ax=ax[0])
ax[0].set_title("original data")
sns.distplot(scaled_data,ax = ax[1])
ax[1].set_title('scaled data')
plt.show()
練習題2：
乙個資料集 身高：1.7，1.8，1.9
體重：70，80，90，分別進行歸一化、標準化，看資料值及其分布圖。
練習題3：
同題1，自動生成二維分布資料集，畫圖展示。進行歸一化、標準化後，畫圖展示。
解答：x = np.array([1.7,1.8,1.9,1.75,1.85])
y = np.array([60,70,80,85,65])
plt.scatter(x,y)
plt.show()
x_scaled = preprocessing.scale(x)
y_scaled = preprocessing.scale(y)
plt.scatter(x_scaled,y_scaled)
plt.show()
x_normalize = (x-x.min())/(x.max()-x.min())
y_normalize = (y-y.min())/(y.max()-y.min())
plt.scatter(x_normalize,y_normalize)
plt.show()
python程式設計題 python程式設計題庫
上期題目連線 1000道python題庫系列分享十一 9道 上期題目答案 本期題目 機器之心報道機器之心編輯部想要備戰 python 面試，這兩個專案有千道 python 問題與實現。之前機器之心介紹了 phd 大牛的求職之路，很多讀者感覺這位大牛太厲害了，他的經歷對我們幫助不大。對於一般的機器學習...
python常見程式設計題
class student school luffycity count 0 def init self,name,age,self.name name self.age age self.self.count 1 def learn self print s is learning self.na...
Python基礎程式設計題
1 接收輸入的一行字元，統計出字串中包含數字的個數 str input 請輸入一串字元 count 0for i in str if i.isdigit count count 1print 數字個數 d count 2 請輸入星期幾的第一 個字母,用來判斷是星期幾，如果第乙個字母一樣，則繼續判斷第...