Google's Python Class - SOS

可以BT也行啊～～～～

或者迅雷～～～

或者QQ邮箱超大附件的那种～～～

拜托分享一下～～～

非常非常感谢！

[回复]

我最迟在明日会在emule上发布该视频，感谢仙人球兄。我的QQ三九5967一一零

[回复]

借宝地问个问题：python和matlab怎么混合编程？
主要问题是，这两者之间如何进行矩阵传递，比如python的一个矩阵传给matlab,matlab的矩阵返回给python.
python2.4 matlab 7.x 的时候，好像有开源工具matwrapper等等，还可以参考一个人在计算机工程上发表的论文混合编程。
但现在python2.6+matlab2008a好像就有问题了。似乎没有办法解决两个程序之间矩阵实时传递的功能。

[回复]

最近想做一个判别式模型分类器。其中就涉及logisitic regression model.
我看sci有optimize包，包中有牛顿迭代法。ncg，而且用它自带的例子运行是成功的。我把最优化函数换成了是的似然函数，函数编写如下
rom scipy.optimize import fmin_ncg
from scipy import *
from numpy import *
import math
dataX=[53,57,58,63,66,67,68,69,70,72,73,75,76,78,79,81]
dataY=[0,0,0,0,1,3,1,1,2,1,1,1,2,1,1,1]
dataZ=[1,1,1,1,1,3,1,1,4,1,1,2,2,1,1,1]
g=[]
def F(A,x):
result=-exp(A[0]+A[1]*x)/(1+exp(A[0]+A[1]*x))
return result

def Likelihoood(A,X=dataX,Y=dataY):
result=0

for i in range(0,len(X)):
tmp=F(A,X[i])
if tmp==1:
tmp==0.9999999
if tmp<=0:
tmp=0.0000001
print tmp
result=result+ math.log((1-tmp),e)+Y[i]*math.log((tmp/(1-tmp)),e)
return result
def GradientLikelihoood(A,X=dataX,Y=dataY,Z=dataZ):
#Z为正例个数
#求F梯度
result0=0
result1=0
gradientMatrix=zeros(A.shape)
for i in range(0,len(X)):
result0=result0+Y[i]-Z[i]*F(A,X[i])
result1=result1+(Y[i]-Z[i]*F(A,X[i]))*X[i]

gradientMatrix[0]=result0
gradientMatrix[1]=result1
return gradientMatrix
def HessianLikelihoood(A,X=dataX,Y=dataY,Z=dataZ):
HessianMatrix=zeros((2,2))
for i in range(0,len(X)):
tmp=F(A,X[i])*(1-F(A,X[i]))
HessianMatrix[0][0]=HessianMatrix[0][0]+Z[i]*tmp
HessianMatrix[0][1]=HessianMatrix[0][1]+X[i]*Z[i]*tmp
HessianMatrix[1][1]=HessianMatrix[1][1]=X[i]**2*Z[i]*tmp
HessianMatrix[1][0]=HessianMatrix[0][1]
return HessianMatrix

A0=[10,-9.6]
xopt = fmin_ncg(Likelihoood,A0,GradientLikelihoood,HessianLikelihoood)
print xopt

[回复]