[云炬python3玩转机器学习笔记] 3-2 Jupter Notebook魔法命令

xxxxxxxxxx### %run
%run¶
In [1]:%run myscript/hello.py
hello Machine Learning !
. . .In [2]:xxxxxxxxxxhello("天剑云炬网络科技有限公司")
hello 天剑云炬网络科技有限公司 !
. . .In [3]:xxxxxxxxxximport mymodule.FirstML
. . .In [4]:xxxxxxxxxxmymodule.FirstML.predict(1)
?
. . .In [5]:xxxxxxxxxxfrom mymodule import FirstML

FirstML.predict(2)
?
. . .xxxxxxxxxx### %timeit
%timeit¶
In [6]:x
%timeit L=[i**2 for i in range(1000)]
492 µs ± 62 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
. . .In [7]:x
%timeit L=[i**2 for i in range(1000000)]
561 ms ± 87.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
. . .In [8]:xxxxxxxxxx%timeit L=[i**2 for i in range(10)]
4.89 µs ± 711 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
. . .In [9]:x
%%timeit
L = []
for n in range(1000):L.append(n ** 2)
532 µs ± 53.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
. . .xxxxxxxxxx### %time
%time¶
In [10]:%time L=[i**2 for i in range(1000)]
Wall time: 1 ms
. . .In [11]:%%time
L = []
for n in range(1000):L.append(n ** 2)
Wall time: 1 ms
. . .In [12]:ximport random
L= [random.random() for i in range(100000)]
%timeit L.sort()
1.05 ms ± 141 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
. . .In [13]:x
import random
L= [random.random() for i in range(100000)]
%time L.sort()
Wall time: 26 ms
. . .In [14]:%time L.sort()
Wall time: 3 ms
. . .xxxxxxxxxx### 其他魔法命令
其他魔法命令¶
In [15]:%lsmagic
Out[15]:Available line magics:
%alias  %alias_magic  %autoawait  %autocall  %automagic  %autosave  %bookmark  %cd  %clear  %cls  %colors  %conda  %config  %connect_info  %copy  %ddir  %debug  %dhist  %dirs  %doctest_mode  %echo  %ed  %edit  %env  %gui  %hist  %history  %killbgscripts  %ldir  %less  %load  %load_ext  %loadpy  %logoff  %logon  %logstart  %logstate  %logstop  %ls  %lsmagic  %macro  %magic  %matplotlib  %mkdir  %more  %notebook  %page  %pastebin  %pdb  %pdef  %pdoc  %pfile  %pinfo  %pinfo2  %pip  %popd  %pprint  %precision  %prun  %psearch  %psource  %pushd  %pwd  %pycat  %pylab  %qtconsole  %quickref  %recall  %rehashx  %reload_ext  %ren  %rep  %rerun  %reset  %reset_selective  %rmdir  %run  %save  %sc  %set_env  %store  %sx  %system  %tb  %time  %timeit  %unalias  %unload_ext  %who  %who_ls  %whos  %xdel  %xmodeAvailable cell magics:
%%!  %%HTML  %%SVG  %%bash  %%capture  %%cmd  %%debug  %%file  %%html  %%javascript  %%js  %%latex  %%markdown  %%perl  %%prun  %%pypy  %%python  %%python2  %%python3  %%ruby  %%script  %%sh  %%svg  %%sx  %%system  %%time  %%timeit  %%writefileAutomagic is ON, % prefix IS NOT needed for line magics.
. . .In [16]:xxxxxxxxxx%run?
. . .In [ ]:
. . .

[云炬python3玩转机器学习笔记] 3-2 Jupter Notebook魔法命令相关推荐

[云炬python3玩转机器学习笔记] 1-3课程所使用的主要技术栈
课程环境语言:Python3 框架:Scikit-learn 其他框架:numpy,matplotlib... IDE:Jupyter Notebook,PyCharm,ANACONDA 课程学习基 ...
[云炬python3玩转机器学习笔记] 3-1 Jupyter Notebook
1+2for _ in range(5):print("Hello, Machine Learning!")5+5*29+9print("天津云炬网络科技有限公司&quo ...
[云炬python3玩转机器学习笔记] 2-7开发环境搭建笔记
开发环境搭建笔记
[云炬python3玩转机器学习笔记] 2-6关于回归和分类
在这一章,我们了解到了,机器学习主要可以处理的两大类问题,是回归和分类.看起来,似乎有些局限,但是,非常出人意料的,在我们现实生活中,很多问题,都可以通过化简,或者转换的手段,转换成分类问题或者回归问 ...
[云炬python3玩转机器学习笔记] 2-5机器学习相关的哲学思考
2-5机器学习相关的哲学思考
[云炬python3玩转机器学习笔记] 2-4批量学习、咋西安学习、参数学习和非参数学习
机器学习的其他分类: 在线学习(online learining)和批量学习(离线学习 batch learning/offline learning): 批量学习(之前没有具体说明的话,都可以用批量 ...
[云炬python3玩转机器学习笔记] 2-2机器学习主要任务
机器学习(监督学习)的主要任务一.分类:将给定的数据进行分类- 二分类任务:二选一的方式,yes/no- 多分类任务:结果不仅仅在两个结果中,而是很多结果,获得的结果很明确- 数字识别- 图像识别- ...
[云炬python3玩转机器学习笔记] 2-1机器学习基础概念
机器学习基础概念一.关于数据本文约定: 大写表示矩阵小写表示向量上标代表第几个样本下标代表第几个特征一般向量都表示为列向量特征空间:每个维度都可以表示一个特征,形成一个空间(2D,3D, ...
[云炬python3玩转机器学习笔记] 1-1什么是机器学习
一. 什么是机器学习机器学习本质是在模拟人类进行思考学习,人类的思考学习大部分来自经验的积累,机器学习也一样二.机器学习的应用场景 (一)已投入生产的 (二)未来需要运用机器学习的领域在未来,A ...

[云炬python3玩转机器学习笔记] 3-2 Jupter Notebook魔法命令

[云炬python3玩转机器学习笔记] 3-2 Jupter Notebook魔法命令相关推荐

最新文章

热门文章