Matplotlib 快速参考手册 pdf版本1 作图函数 1.1 默认参数作图 1 import numpy as np#导入numpy库 2 import matplotlib.pyplot as plt#导入matplotlib库 3 X = np.linspace(-np.pi, np.pi, 256, endpoint=True)#生成-π到+π的256个元素的 4 #等差数列 4 C,S = np.cos(X), np.sin(X)#生成x的正弦余弦函数并赋值给C，S 5 plt.plot(X,C)#画出x与C的图像 6 plt.plot(X,S)#画出x与S的图像 7 plt.show()#展示图像 1.2 改变颜色和线宽 1 plt.figure(figsize=(10,6), dpi=80)#设置图表的宽高比为10:6，设置dpi为80 2 plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")#设置余弦函数颜色 3 #蓝色，线宽2.5，样式为连线 4 plt.plot(X, S, color="red", linewidth=2.5, linestyle="-") 1.3 改变坐标轴刻度 1 plt.xlim(X.min()*1.1, X.max()*1.1)#x坐标轴最小值、最大值分别设置为X最小值和最大 2 #值的1.1 3 plt.ylim(C.min()*1.1, C.max()*1.1)#y坐标轴最小值、最大值分别设置为X最小值和最大值 4 #的1.1 1.4 改变坐标轴刻度显示 1 plt.xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi]) #显示+-π,+-π/2的刻度

MechineLearningClassProject:南开大学人工智能学院机器学习课程作业记录

从1642年Pascal发明的手摇式计算机，到1949年Donald Hebb提出的赫布理论——解释学习过程中大脑神经元所发生的变化，都蕴含着机器学习思想的萌芽。事实上，1950年图灵在关于图灵测试的文章中就已提及机器学习的概念。到了1952年，IBM的亚瑟·塞缪尔（Arthur Samuel，被誉为“机器学习之父”）设计了一款可以学习的西洋跳棋程序。塞缪尔和这个程序进行多场对弈后发现，随着时间的推移，程序的棋艺变得越来越好[1]。塞缪尔用这个程序推翻了以往“机器无法超越人类，不能像人一样写代码和学习”这一传统认识。并在1956年正式提出了“机器学习”这一概念。

东北大学《人工智能与机器学习》2018年期末考试试卷真题