Python 数学与人工智能开发

凌云

Chapter 1: Number 数字
K) Finding the Roots of a Quadratic Equation 求一元二次方程的根：

一元二次方程式的一般形式是：

假设1 + 2x + 1 = 0，设a,b,c的值：

1. >>> a = 1
   
2. >>> b = 2
   
3. >>> c = 1

复制代码

两个方程都有：
, 求D：

1. >>> D = (b**2 – 4*a*c)**0.5

复制代码

求x1，x2 的值：

1. >>> x_1 = (-b + D)/(2*a)
   
2. >>> x_1
   
3. -1.0
   
4. >>> x_2 = (-b - D)/(2*a)
   
5. >>> x_2
   
6. -1.0

复制代码

可以写成一个函数：

1. def roots(a, b, c):
   
2. 
   
3.     D = (b*b - 4*a*c)**0.5
   
4.     x_1 = (-b + D)/(2*a)
   
5.     x_2 = (-b - D)/(2*a)
   
6. 
   
7.     print('x1: {0}'.format(x_1))
   
8.     print('x2: {0}'.format(x_2))
   
9. 
   
10. if __name__ == '__main__': ＃当这个模组为主模组时
    
11.     a = input('Enter a: ') ＃取使用者输入值，设成a
    
12.     b = input('Enter b: ')
    
13.     c = input('Enter c: ')
    
14.     roots(float(a), float(b), float(c)) ＃使用函数

复制代码

运行：

1. Enter a: 1
   
2. Enter b: 1
   
3. Enter c: 1
   
4. x1: (-0.49999999999999994+0.8660254037844386j)
   
5. x2: (-0.5-0.8660254037844386j)

复制代码

第一章完结。

凌云

第二章：用图表视觉化数据


A)笛卡尔坐标系 （平面直角坐标）

凌云

第二章：B)Python 的 List 和 tuple

学过其它编程语言的网友应该知道 Array，但是python里面没有Array，只有List。
List 和 tuple 的差别在于tuple是不能改变数值的，它们可以使用的函数都一样。

1. >>> simplelist = [1, 2, 3]
   
2. >>> simplelist[0]
   
3. 1
   
4. >>> simplelist[1]
   
5. 2
   
6. >>> simplelist[2]
   
7. 3

复制代码

List 可以存放String和其它物件，其它关于List的资料请参考相关Python书籍。

1. >>> stringlist = ['a string','b string','c string']
   
2. >>> stringlist[0]
   
3. 'a string'
   
4. >>> stringlist[1]
   
5. 'b string'
   
6. >>> stringlist[2]
   
7. 'c string'

复制代码

这里介绍一个List的函数 append(), 用来加入数值到 List 中。

1. >>> emptylist
   
2. []
   
3. >>> emptylist.append(1)
   
4. >>> emptylist
   
5. [1]
   
6. >>> emptylist.append(2)
   
7. >>> emptylist
   
8. [1, 2]

复制代码

tuple 的创建方法是用 () 并且数值不可改变，其它都和 List 一样。

1. >>> simpletuple = (1, 2, 3)
   
2. >>> simpletuple[0]
   
3. 1
   
4. >>> simpletuple[1]
   
5. 2
   
6. >>> simpletuple[2]
   
7. 3

复制代码

你也可以用 －1，－2 值来取得最后和最后第二个数值。

1. simplelist[-1]
   
2. simplelist[-2]

复制代码

迭代 （loop）的语法（ List 和 Tuple 都可以）：

1. >>> l = [1, 2, 3]
   
2. >>> for item in l:
   
3.         print(item)

复制代码

Output 输出：

1. 1
   
2. 2
   
3. 3

复制代码

也可以用 enumerate 内建函数来取得 index 和 value ：

1. >>> l = [1, 2, 3]
   
2. >>> for index, item in enumerate(l):
   
3.         print(index, item)

复制代码

Output 输出：

1. 0 1
   
2. 1 2
   
3. 2 3

复制代码

凌云

第二章：C)简单图表

我们现在要画一个经过三个点的线，分别是 （1，2），（2，4），（3，6）。
先把 x 和 y 设成两个list：

1. >>> x_numbers = [1, 2, 3]
   
2. >>> y_numbers = [2, 4, 6]

复制代码

然后创建图表：

1. >>> from pylab import plot, show  ＃导入函数
   
2. >>> plot(x_numbers, y_numbers)  ＃使用函数

复制代码

然后再用show()来画出并显现图表。

1. >>> show()

复制代码

你就会看到：

凌云

第二章：D)图表上的标示
只要加上 marker 的参数，值可以是：o, *, x, +

1. >>> plot(x_numbers, y_numbers, marker='o')
   
2. 
   

复制代码

然后用 show() 函数，就可以看到：


如果只要标示，不要线，可以这样写：

1. >>> plot(x_numbers, y_numbers, 'o')

复制代码

同样的用 show() 过后，可以看到：

凌云

第二章：E)标示纽约的2000-2012年平均温度
把平均温度写成list，并且创建plot, 然后用 show() 函数画出图表：

1. >>> nyc_temp = [53.9, 56.3, 56.4, 53.4, 54.5, 55.8, 56.8, 55.0, 55.3, 54.0, 56.7, 56.4, 57.3]
   
2. >>> plot(nyc_temp, marker='o')

复制代码

你就会看到：


图中没有显示年份，要显示年份，代码这样写：

1. >>> nyc_temp = [53.9, 56.3, 56.4, 53.4, 54.5, 55.8, 56.8, 55.0, 55.3, 54.0, 56.7, 56.4, 57.3]
   
2. >>> years = range(2000, 2013) ＃标示从2000 至 2012 的数值
   
3. >>> plot(years, nyc_temp, marker='o')

复制代码

这样，x 值就变成了2000年到2012年的数值，用 show() 来画出图表：

1. >>>show()

复制代码

凌云

第二章：F)比较纽约的月平均温度

首先我们把要比较的一整年的温度写成list，写三年的温度：

1. >>> nyc_temp_2000 = [31.3, 37.3, 47.2, 51.0, 63.5, 71.3, 72.3, 72.7, 66.0, 57.0, 45.3, 31.1]
   
2. >>> nyc_temp_2006 = [40.9, 35.7, 43.1, 55.7, 63.1, 71.0, 77.9, 75.8, 66.6, 56.2, 51.9, 43.6]
   
3. >>> nyc_temp_2012 = [37.3, 40.9, 50.9, 54.8, 65.1, 71.0, 78.8, 76.7, 68.8, 58.0, 43.9, 41.5]

复制代码

然后用 range() 建一个月份的list，然后用plot() 创建图表：

1. >>> months = range(1, 13)
   
2. >>> plot(months, nyc_temp_2000, months, nyc_temp_2006, months, nyc_temp_2012)

复制代码

然后用 show() 画出图表：

1. >>> show()

复制代码

你就会看到：


也可以分成三行代码来写：

1. >>> plot(months, nyc_temp_2000)
   
2. [<matplotlib.lines.Line2D object at 0x7f1e51351810>]
   
3. >>> plot(months, nyc_temp_2006)
   
4. [<matplotlib.lines.Line2D object at 0x7f1e5ae8e390>]
   
5. >>> plot(months, nyc_temp_2012)
   
6. [<matplotlib.lines.Line2D object at 0x7f1e5136ccd0>]
   
7. >>> show()

复制代码

但是我们有一个问题，就是三条线都一样颜色，为了把三条线用不同颜色标示出来，我们可以用 legend() 函数，先创建图表：

1. >>> plot(months, nyc_temp_2000, months, nyc_temp_2006, months, nyc_temp_2012)

复制代码

然后倒入 legend() 函数，再使用函数，加入三年的标签：

1. >>> from pylab import legend
   
2. >>> legend([2000, 2006, 2012])
   
3. <matplotlib.legend.Legend object at 0x7f2549d79410>

复制代码

然后用 show() 画出图表，会看到右上角多了标示，分别标示三条线的颜色：

1. >>> show()

复制代码

然后加上 title，xlabel，ylabel，代码如下（>>>的是要打入的代码）：

1. >>> from pylab import plot, show, title, xlabel, ylabel, legend   #导入需要用到的函数
   
2. >>> plot(months, nyc_temp_2000, months, nyc_temp_2006, months, nyc_temp_2012) #创建图表
   
3. [<matplotlib.lines.Line2D object at 0x7f2549a9e210>, <matplotlib.lines.Line2D
   
4. object at 0x7f2549a4be90>, <matplotlib.lines.Line2D object at 0x7f2549a82090>]
   
5. >>> title('Average monthly temperature in NYC') #设title
   
6. <matplotlib.text.Text object at 0x7f25499f7150>
   
7. >>> xlabel('Month') #设xlabel
   
8. <matplotlib.text.Text object at 0x7f2549d79210>
   
9. >>> ylabel('Temperature') #设ylabel
   
10. <matplotlib.text.Text object at 0x7f2549b8b2d0>
    
11. 
    
12. >>> legend([2000, 2006, 2012]) #用不同颜色分别标示三条线
    
13. <matplotlib.legend.Legend object at 0x7f2549a82910>

复制代码

最后用 show() 函数，画出图表：

username5

想起我是AI毕业的现在做的竟然完全不是AI 真是惭愧

雷洛

https://www.youtube.com/playlist ... AIlf5TxxFPzb-0zeVZ8
最近看到有人貼了 tensorflow的教學， 裡面CALL GOOGLE的 LIBRARY看起來這個東西變得很簡單下，

不過，我不懂裡面的THEORY＋數學， 也搞不出什麼東西來 LOL

aaronkwok

如果是股票分析，应该用哪一个machine learning library?

凌云

雷洛 发表于 14-8-2016 04:13 PM
https://www.youtube.com/playlist?list=PLXO45tsB95cKI5AIlf5TxxFPzb-0zeVZ8
最近看到有人貼了 tensorflow的教學， 裡面CALL GOOGLE的 LIBRARY看起來這個東西變得很簡單下，

不過，我不懂裡面的THEORY＋數學，  ...

其实里面的数学和理论很简单的，主要是，linear algebra, statistic, calculas.建议可以先看 Andrew Ng 在 coursera.org 的教程。

凌云

aaronkwok 发表于 17-8-2016 10:38 AM
如果是股票分析，应该用哪一个machine learning library?

Machine Learning 本身是没有针对某个领域的，它是一种 general 的算法，不同的是数据的输入和人为的调整。

凌云

username5 发表于 14-8-2016 12:40 PM
想起我是AI毕业的现在做的竟然完全不是AI 真是惭愧

现在在做什么？我觉得学了就不要浪费，这个领域是未来的主流，谷歌百度等都全力投入了。

hooi1983

等 lz 开发 Beta Go 来打败 Alpha Go

xiaoku0419

aaronkwok 发表于 17-8-2016 10:38 AM
如果是股票分析，应该用哪一个machine learning library?

你的股票分析开发了？

nsda

樓主有用Jupyter notebook來玩visualization嗎？

小弟最近也在學習中