PyCharmの scientific modeがスゴい！Jupyter Notebookいらないかもよ はじめに# Kaggleで、scriptを書く人と、Jupyter Notebookを書く人がいるのだけれども、どっちが生産性がいいのかなというのが、ふと自分のなかに疑問として湧き上がった。自分は、Jupyter Notebook派だ。しかし、別の方法も試してみるのも、気分転換になるかもとおもい、しばらくぶりにPyCharmを使おうとした。 すると、2017/11に出た最新版 2017.3 で Professional Editionに追加された機能、Scientifc modeがなんだかスゴそうだったので、今回紹介する。 Scientific Mode# まずは、公式サイトからの紹介を翻訳。 [https://www.youtube.com/embed/OHwh0c8UsW4?sta

Introduction If things don’t go your way in predictive modeling, use XGboost. XGBoost algorithm has become the ultimate weapon of many data scientists. It’s a highly sophisticated algorithm, powerful enough to deal with all sorts of irregularities of data. It uses parallel computation in which multiple decision trees are trained in parallel to find the final prediction. This article is best suited

本記事では、書籍『Python機械学習プログラミング』を読むために必要な知識、読み方等について説明します。 本書の読み方のプラン 以上で説明した本書の構成や章ごとの難易度をもとに、本書の読み方についてここでは2つのプランを提示します。 ●プラン1. 速習コース：最初は関数やクラスを定義してアルゴリズムを記述したり、数式を丁寧に追ったりすることよりも、ライブラリの使用方法を覚え、一通り機械学習を使いこなすことを優先します。Pythonのクラスや数学の知識があまりない場合は、このプランに従って本書を読み進めるとよいと思います。 ●プラン2. 特訓コース：関数やクラスを用いたアルゴリズムの記述、数式に抵抗感がない場合はこのプランに従って読み進めるとよいと思います。 以下ではそれぞれのプランについて説明します。 ●プラン1. 速習コース このプランでは、図2に示す順に読み進めていきます。 図2：速

[参照] Pythonプロフェッショナルプログラミング第2版 Requests:HTTP for Humans RESTとは RESTはソフトウェアアーキテクチャーのひとつ。 ソフトウェアの設計原則の集合。 「REST」「REST API」という単語は、「HTTP」上で動作するSOAPやRPCではないAPI」の意味で使われることが多い。 REST APIの特徴 HTTP上で動作する データはリソースと呼ばれる REST APIで使用可能なリソースは、一意なURLを持っている。 GET/POST/PUT/DELETEなどのHTTPメソッドはそれぞれ、取得/保存/上書き/削除などのリソースの操作と対応している。 JSONやXMLなどのフォーマットでデータを送受信する リクエストの成功や失敗などの処理結果はステータスコードで表す REST APIを使用するには、HTTPクライアントを利用する。

better-exceptions インストール 使い方 better-exceptions github.com better-exceptionsを使用すると例外情報が図のようにみやすくなる。 インストール pipでインストールできるので下記コマンドを実行。 $ pip install better_exceptions 使い方 以下のようにbetter_exceptionsをインポートすればよい。 import better_exceptions 試しに下記コードを実行した場合の出力を比べてみる。 import better_exceptions foo = 52 def shallow(a, b): deep(a + b) def deep(val): global foo assert val > 10 and foo == 60 bar = foo - 50 shallow(b

tohutokonsome.hatenablog.com 以前、ラジコンのコントローラーをつくった記事を書きました。 その中で、キーボードから入力した値をもとに操作する機能は、以下の機能を参考にさせていただきました。 qiita.com ただ、特定キーを押している状態、特定キーを離した状態というイベントを検出できると、よりコントローラぽくなるので、そんなことができる素敵なpythonモジュールがないかを探してました。 その中で、一番よさそうなpythonモジュールを見つけました。 が、想定通りの動作ができていないです。 解決策が見つけたら書くぞ！という意気込みを兼ねて、一旦記事に起こします。 pynput 実行環境とインストール サンプルコード 動かない sudoが足りなかった よくみるとKeyCodeを認識していない 2017.7.12追記 その他候補 msvrct keyboard P

LeapMotionという小型のジェスチャ操作デバイスを買って、pythonで動かしてみました。 私の環境がubuntu12.04なので、それ用のSDKをdeveloperサイトから取得してきます。(ユーザ登録が必要です) ダウンロードしたファイルを解凍すると中にLeapSDKというフォルダがあるのでその中のlibに入っている以下のファイルがpythonで動かすのに必要なファイルになります。 Leap.py libLeap.so LeapPython.so 3次元表示にはVPythonというモジュールを使いました。 以下が今回作成した簡易ビューアです。 #!/usr/bin/python #coding:utf-8 from visual import * import Leap scene = display(title='Leap Motion Example', x = 0, y =

We have added support for new Linux machine types to conda, namely armv7l (used by the new Raspberry Pi 2 and other ARM boards), and ppc64le (POWER8 LE used by IBM Power Systems and OpenPOWER servers) machine types. You can now use conda on these machines to install any of our prepackaged binaries, but you can also use conda-build to create your own, and upload them to anaconda.org. This blog post

本記事はETロボコンAdvent Calendar 2016 12/22のエントリです。 こんにちは、はねうまです。 昨年まで、私達のチーム「銀河系はねうま」はJavaでETロボコンに参加してきましたが、 今年は心機一転、Pythonでの参加に挑戦してみました。 しかし、いざ挑戦しようと情報を調べても中々必要な情報に辿り着けませんでした。 そこで、これからPythonでLEGO Mindstorms EV3を動かしてみたい人の参考になればと思い、 この記事を書く事にしました。 今回の記事は利用者が多いと思われるため、Windowsを対象にしています。 また、今後はPythonの開発環境やev3devのクロスコンパイル環境の話などを投稿しようと思います。 #実行環境 OS:ev3dev 2016-10-17Release版 (DebianベースのLinux) 使用ライブラリ:python-e

Pythonの機械学習用ライブラリの定番、scikit-learnのリリースマネージャを務めるなど開発に深く関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。 関連ファイル サポートページ 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷版、刷り年月日