跳转到主要内容

python

2018 IEEE最热门47种编程语言发榜!Python雄踞四项第一

judy /

今天,IEEE Spectrum发布了最新的第五届年度编程语言交互排行榜!Python不但雄踞第一,在综合指数、用户增速、就业优势和开源语言单项中,全部霸占榜首。人生苦短,你还不用Python吗?

今天,IEEE Spectrum发布了最新的第五届年度编程语言交互排行榜!

这个榜单综合了9个来源的11个指标,对47种编程语言的流行程度进行排名。

当然了,每个程序员都有自己心目中“最好的语言”,不同的程序员有不同的需求和感兴趣的领域,因此,IEEE Spectrum没有将所有这些指标合并整成一个唯一的排名。

相反,IEEE Spectrum提供了一个交互式的应用程序,读者可以自己选择这些指标组合的权重,从而个性化定制自己关心的排行。这个排行榜包含了默认的权重,即根据典型的IEEE会员的兴趣进行调整,也提供其他一些专注于开源项目优点的预设。读者可以应用筛选器,排除不感兴趣领域的语言,例如嵌入式或桌面环境。

通过与过去几年的榜单进行对比,你可以窥视编程语言的流行趋势发生了怎样的变化。

Python雄踞榜首,C++第二、C语言第三

开榜!

【下载】谈谈Python的生产力价值--Xilinx Zynq产品极限边缘分析

judy /

利用Zynq SoC架构上的Python生产力属性,用户可以利用可编程逻辑和微处理器的优势,更轻松地构建人工智能,机器学习和信息技术应用程序设计。
<span class="download"><a href="http://new-xilinx.eetrend.com/files/2018-07/wen_zhang_/100012628-45085-…;

Python中机器学习的特征选择工具

judy /

摘要: 还在为特征选择抓狂?这个工具了解一下!

特征选择,即在数据集中查找和选择最有用的特征的过程,是机器学习的关键步骤。不必要的特征会降低训练速度、模型的可解释性,最重要的是会降低测试集的泛化性能。

我对临时的特征选择方法感到很失望,但是在解决机器学习问题时又反复用到了这些方法,所以就创建了一个关于特征选择的Python类,<a href="https://github.com/WillKoehrsen/feature-selector">该类可以在GitHub上找到</a&gt;。FeatureSelector类包括一些最常见的特征选择方法:
1.高百分比的缺失值特征选择法

2.共线(高度相关)特征选择法

3.树型结构模型中的零重要性特征选择法

4.低重要性特征选择法

5.唯一值特征选择法

在本文中,我将对机器学习数据集的示例使用FeatureSelector类。也会介绍该类是如何让我们快速地实现特征选择方法。

Python中匿名函数lambda的各种用法

judy /

Python中的lambda提供了对匿名函数的支持。使用lambda,我们可以实现函数编程,即将函数作为参数传递给其他函数。在Python中,lambda的作用可以从多个例子来理解:

1, 用在过滤函数中,指定过滤列表元素的条件:
filter(lambda x: x % 3 == 0, [1, 2, 3, 4, 5, 6, 7, 8, 9])
> [3, 6, 9]

2, 用在排序函数中,指定对列表中所有元素进行排序的准则:
sorted([1, 2, 3, 4, 5, 6, 7, 8, 9], key=lambda x: abs(5-x))
> [5, 4, 6, 3, 7, 2, 8, 1, 9]

3, 用在reduce函数中,指定列表中两两相邻元素的结合条件
reduce(lambda a, b: '{}, {}'.format(a, b), [1, 2, 3, 4, 5, 6, 7, 8, 9])
> '1, 2, 3, 4, 5, 6, 7, 8, 9'