繪圖庫Plotly 命令有了一點變化。現在變成：在REPL中按 ] 進入pkg模式，輸入add Plotly，回車。按Ctrl C退出。 （更多內容更新中）
安裝Ijulia內核
目錄 1、線性迴歸概述 2、數據準備 3、數據探索 3.1簡單的數據清洗 3.2 圖形分析數據 3.2.1 盒形圖的離羣點分析，需要根據四分位距去掉部分數據點。 3.2.2 密度圖進行分佈分析 3.2.3 散點圖相關分析 4、數據預處理
如果只有一個數據集，在機器學習的過程中，一般會將原始數據集分割爲訓練數據集和測試數據集，訓練集 用於訓練模型的子集。測試集 - 用於測試訓練後模型的子集。但要確保測試集滿足以下兩個條件： 規模足夠大，可產生具有統計意義的結果。 能代表整個
以下第1、2部分可以參考 julia簡易教程——安裝Julia+jupyter notebooks 1. 安裝Anaconda 這裏主要是爲了安裝jupyter notebook。 2. 安裝Julia 這裏Julia用了0.6.4的版本
PyFR由Python3寫成，並且不提供接口，所以我們需要自己動手，改造一番，才能在Julia裏調用它的內部函數。上回我們介紹了PyFR的運行示例：二維歐拉渦。在該示例中，有一個轉換.msh文件的步驟。如何在Julia調用PyFR
洋洋灑灑寫了5篇博客之後，嘗試把理論用於實際，遇到了一些問題。本文是對實戰中遇到問題的記錄和思考。爲了方便理解，把代碼做了簡化，原理不變。不定時更新，每次更新的日期和內容排在最前面，太長了會分爲多篇文章。 爲敘述簡便，把@ever
轉述自 Cxx.jl 官方文檔。 假設有一個ArrayMaker.h和ArrayMaker.cpp（或者在Linux上用.cc後綴，等價於.cpp），首先編譯爲共享庫： g++ -shared -fPIC ArrayMaker
關注微信公共號：小程在線 關注CSDN博客：程志偉的博客 版本V1.4.2 基本抽樣 julia> using CSV julia> data = CSV.read("F:\\Julia\\data\\magic.csv") 1902
julia+JuMP解決線性規劃問題引入JuMP和GLPK創建模型聲明變量創建目標創建約束求解模型查看模型求解狀態查看目標值查看變量值 首先我們需要兩個庫 引入JuMP和GLPK using JuMP,GLPK 創建模型 mod
Clustering.jl 是Julia中一個很基礎的 用於聚類數據分析的代碼庫，文檔裏缺少一些代碼示例，這裏簡單整理了一下。 K-means K-均值是一種經典的聚類或矢量量化方法。它產生固定數量的簇，每個簇都與一箇中心（也稱爲
思路比較簡單，基本就是把list中的每個節點轉成DataFrames,然後再通過reduce函數合併成一個DataFrames using JSON using DataFrames json_str = """ [{ "col
最近有個項目是計算密集型的， 最開始用 TS 快速實現了算法原型， 後來改用 Go 重寫， Go 的 goroutine 用起來還是蠻爽的， 很容易把所有 cpu core 跑滿。 不過隨着代碼逐漸複雜， 感覺用 Go 還是沒有動態語言寫
很多時候需要逐個掃描Array中數據，並根據計算規則計算數據。 這裏以對比數據爲例給出兩種計算方式： 1 使用內置函數all 過濾array test_1(x) = all(y->y==x[1],x) 2 這裏有一個 自定義 函數，
目前的加速方式有兩種： 第一種方式 參考博客 ：https://blog.csdn.net/ouening/article/details/100187862，需要安裝privoxy代理，這種方式適用所有版本的JuliaPro,速度確實也
