手动编写KMeans聚类算法

算法步骤：

1. 随机选取K个样本作为类中心；

2. 计算各样本与各类中心的距离；

3. 将各样本归于最近的类中心点；

4. 求各类的样本的均值，作为新的类中心；

5. 判定：若类中心不再发生变动或达到迭代次数，算法结束，否则回到第2步。

   阅读全文 »

任务1

求出利用最小二乘法通过(1,1) (2,3) (3,3)三点拟合出的直线 # b = 0.1 a = 1.1

$y=wx + b$

创建数据

1

import numpy as np

1
2
3

# sklearn中要求自变量（特征）的维度是二维
x = np.array([[1], [2], [3]])
y = np.array([1, 3, 3])

探索 Iris 鸢尾花数据

1
2

import pandas as pd
import numpy as np

读取数据集

1
2

iris = pd.read_csv('iris.csv', header=None)
iris.head()

1

import pandas as pd

1

print(pd.__version__)

1.2.4

1

import numpy as np

1

np.__version__

'1.20.1'

任务7 求$\int^{2\pi}_{0}{|sinx|}$

Python输入输出

获取用户输入 input()函数

1
2
3

# input获取到的所有输入内容全部都是字符串
a = int(input('请输入a【整数】:'))
b = int(input('请输入b【整数】:'))

请输入a【整数】:3
请输入b【整数】:2

傅里叶变换

图像处理一般分为空间域处理和频率域处理。

空间域处理是直接对图像内的像素进行处理。空间域处理主要分为灰度变换和空间滤波变换两种形式。灰度变换是对图像内的单个像素进行处理，比如调节对比度和处理阈值等。空间滤波涉及图像质量的改变，例如图像平滑处理。空间域处理的计算简单方便，运算速度更快。

频率域处理是先将图像变换到频率域，然后在频率域对图像进行处理，最后再通过反变换将图像从频率域变换到空间域。傅里叶变换是应用最广泛的一种频域变换，它能够将图像从空间域变换到频率域，而逆傅里叶变换能够将频率域信息变换到空间域内。傅里叶变换在图像处理领域内有着非常重要的作用。

直方图是图像处理过程中的一种非常重要的分析工具。直方图从图像内部灰度级的角度对图像进行表述，包含十分丰富而重要的信息。从直方图的角度对图像进行处理，可以达到增强图像显示效果的目的。

在绘制直方图时，将灰度级作为x轴，该灰度出现的次数作为y轴处理。