РСА (Метод главных компонент)

PCA (Principal Component Analysis) используется для уменьшения размерности данных без потери ключевой информации. Это полезно для визуализации многомерных данных или ускорения работы моделей. PCA полезен, если признаки сильно коррелируют. Он сохраняет максимум дисперсии данных.

#практика #numpy

Как ускорить код с NumPy?

Циклы в Python работают медленно, особенно при обработке больших массивов. NumPy позволяет выполнять арифметические операции и функции сразу над целым массивом.

Обрати внимание на пример. Без использования библиотеку циклу нужно 0.3 секунды для выполнения, а с помощью векторизации мы выполнили операцию за 0.005 секунд! Все дело в том, что NumPy выполняет вычисления на уровне C через оптимизированные библиотеки (например, BLAS или LAPACK).

#практика #numpy

Как ускорить код с NumPy? Часть 2

Выбор правильного типа данных может существенно снизить объём используемой памяти и ускорить вычисления. При обработке больших массивов разница может быть огромной. Например, если массив занимает 1 ГБ с float64, он будет занимать всего 500 МБ с float32.

#практика #numpy

Как ускорить код с NumPy? Часть 3

Если ты планируешь постепенно добавлять данные в массив, лучше заранее выделить память. Это ускоряет операции и снижает фрагментацию памяти.

Обрати внимание на пример. Второй способ работает быстрее, так как память выделяется сразу, а не по мере добавления элементов.

#практика #numpy

NumPy: Линейная алгебра

Если ты работаешь с матрицами, NumPy предоставляет встроенные функции. В данном примере продемонстрированы транспонирование, обратная матрица, определитель и умножение матриц.

#практика #numpy

Ускорение компиляции с помощью numba

Если определённая часть твоего кода всё ещё работает медленно, попробуй библиотеку numba, чтобы компилировать код. numba ускоряет выполнение в 10-20 раз, так как компилирует код в машинные инструкции.

#практика #numpy

NumPy: concatenate

Функция numpy.concatenate() используется для объединения массивов вдоль существующих осей. Это позволяет объединять несколько массивов NumPy в один массив. Мы передаем последовательность массивов, которые хотим объединить, в функцию concatenate() вместе с осью. Если ось не передана явно, она принимается за 0.

#практика #numpy

NumPy: Основы работы с массивами

В данном видео автор рассматривает основы работы с массивами в NumPy. Ты узнаешь, как создавать массивы, заполнять их данными, изменять их размер, форму и многое другое.

👀Смотреть видео

#видео #numpy

NumPy: Практические навыки работы с массивами

Продолжаем делиться циклом видео, где автор рассказывает про работу с NumPy. В этот раз ты приобретешь практические навыки работы с массивами, такие как суммирование и умножение.

👀Смотреть видео

#видео #numpy