サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
今年の「#文学」
qiita.com/alchemist
英語版 Optimization and root finding (scipy.optimize) — SciPy v1.3.0 Reference Guide 参考リンク 非線形最適化関数 — 機械学習の Python との出会い 最適化と求根 (scipy.optimize) SciPy optimizeは、場合によっては制約を受けることのある目的関数を最小化(または最大化)するための関数を提供します。非線形問題(局所的および大域的最適化アルゴリズムの両方をサポートする)、線形計画法、制約付きおよび非線形最小二乗法、球根およびカーブフィッティングのためのソルバーを含んでいます。 異なるソルバー間で共有される共通の関数とオブジェクトは、次のものがあります。 show_options([solver, method, disp]) 最適化ソルバーの追加オプションのドキュメントを表示する。
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
インストール Cmder mini まずはコンソールとしてCmderをインストールする。 Git for WindowsがセットになったCmderと本体のみのCmder miniがあるが、Cmder miniを選択する。理由は下の注意点を参照。 Cmderにはインストーラーはないので、Zipを解凍して任意の場所に置く。 Cmderのダウンロードはここから。cmder chocolateyを使ってインストールすることもできるが、最新版がすぐにはリリースされないので最新版を使いたい場合は上の方法で。 Chocolatey Gallery | CmderMini 1.3.2 Git Bash環境としてはGitに含まれているGit bashを使うのでGitをインストールする。 インストーラーの指示に従ってインストールするだけ。 ダウンロードはここから Git 注意点 Cmderに含まれているGit
import matplotlib.pyplot as plt # Notebook出力には次の1行が必要 %matplotlib inline plt.figure(figsize=(8, 6)) # グラフのサイズ指定(この行は省略可) plt.plot(x, y1) plt.plot(x, y2)
Pythonを高速化する方法 Pythonで計算の高速化といえばNumPyやCythonなどが有名だと思いますが、それらを使うには色々と覚えることがあってすぐに使えるようにはなりません。特にNumPyは使いこなせれば非常に強力ですが、学習コストもかなり高いです。 実はPythonの標準ライブラリの中に超お手軽に高速化が実現できる関数が用意されています。それがメモ化を行うためのlru_cacheという関数です。 lru_cacheを使ったメモ化 メモ化の意味はおいといて、とりあえずどうやってメモ化するのかを見てみましょう。 効果をわかりやすくするために、再帰を使ったフィボナッチ関数を使います。
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Pythonで可視化といえばMatplotlibだけど、APIがごちゃちゃしていて覚えにくいのが難点かな。BokehがAPIもうまく整理されていて一番使い勝手がいい気がするけど、まだまだ日本語の情報が少ないのが惜しいところ。 これからはWebにも対応できるBokehが伸びてくるんじゃないかと勝手に期待している。 おすすめの使い分け方 簡単なデータを手早くプロットするなら Matplotlib MATLABからPythonに乗り換えたなら Matplotlib かっこよく人に見せたいなら Bokeh 対話操作を入れたいなら Bokeh グ
このページを最初にブックマークしてみませんか?
『qiita.com』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く