ترسیم heatmap با استفاده از seaborn در پایتون

برای ترسیم heatmap طبق گام های ذیل پیش میرویم:

گام اول:

نصب کتابخانه های pandas و seaborn

 

گام دوم:

ابتدا کتابخانه های لازم را import کنیم:

گام سوم:

از کد ذیل متناسب با نیازتان استفاده کنید:

 

مثل های بیشتر در لینک ذیل دنبال کنید:

https://seaborn.pydata.org/generated/seaborn.heatmap.html

 

نمایش گرافیکی ماترسی اغتشاش confusion matrix

برای نمایش گرافیکی ماتریس اعتشاش به لینک جالبی رسیدیم که احتمالا خیلی از شما علاقه مند به استفاده از آن در پژوهش های علمی تان باشید

توضیح ویکیپدیا برای ماتریس اغتشاش:

در حوزهٔ هوش مصنوعی، ماتریس در هم ریختگی (به انگلیسی: confusion matrix) به ماتریسی گفته می‌شود که در آن عملکرد الگوریتم‌های مربوطه را نشان می‌دهند. معمولاً چنین نمایشی برای الگوریتم‌های یادگیری با ناظر استفاده می‌شود، اگرچه در یادگیری بدون ناظر نیز کاربرد دارد. معمولاً به کاربرد این ماتریس در الگوریتم‌های بدون ناظر ماتریس تطابق می گویند. هر ستون از ماتریس، نمونه‌ای از مقدار پیش بینی شده را نشان می‌دهد. در صورتی که هر سطر نمونه‌ای واقعی (درست) را در بر دارد. اسم این ماتریس نیز از آنجا بدست می‌آید که امکان این را آسانتر اشتباه و تداخل بین نتایج را مشاهده کرد. در خارج از هوش مصنوعی این ماتریس معمولاً ماتریس پیشایندی (contingency matrix) یا ماتریس خطا (error matrix) نامیده می‌شود. در مباحث هوش مصنوعی از این جدول برای تعیین مقدار شاخص های ارزیابی مانند دقت (Precision) و صحت (Recall) استفاده می شود. دقت عبارت است از اینکه “چه میزان از نمونه های انتخابی درست هستند” و صحت بر این مفهوم که “چه میزان از نمونه های صحیح موجود انتخاب شده اند” دلالت دارند. البته با ممکن است در منابعی، Accuracy نیز دقت ترجمه شود که مفهومی کاملا متفاوت داشته و بر میزان نمونه هایی اشاره دارد که سیستم در تشخیص آنها موفق بوده است.

خب برای استفاده از یادداشت ام نوت ذیل استفاده کنید

کافیست تابع ذیل را به کد پایتونی خود اضافه کنید:

 

برای بحث استفاده نیز کافیست کد ذیل را بزنید:

 

منظور از y_true و y_pred در مطلب « محاسبه عناصر جدول اغتشاش TP,NP,FP,FN» بیان گردیده است.

 

منبع : https://goo.gl/otsmhY

باتشکر از مهندس محمد خالوئی در اشتراک گذاشتن این لینک مفید.

 

شما نیز میتوانید از طریق بخش ارتباط با ما مطالب خوب و مفیدتان را برای درج در سامانه ارسال کنید. همچنین جهت همکاری به https://mnote.ir/collaboration/  مراجعه کنید

محاسبه عناصر جدول اغتشاش confusion matrix : TP,NP,FP,FN در راحت ترین وجه ممکن!

در این مطلب قرار هست تا با چیزی شما را آشنا کنیم که در زمان ارزیابی سیستم یا مدل یا ایده ای که داشتید شما را از وضعیت کارکرد سیستم آگاه میکند. همانطور که میدانید در Confusion matrix شما با توجه به میزان درستی و میزان اشتباهاتی که در حالات مختلف TP,NP,FP,FN رخ میدهد میتوانید تقریبا روند کارکرد سیستم خود را ارزیابی کنید.

شما کافیست با مثال ذیل همگام شوید. البته اگر میخواهید آن را برای کد خود استفاده کنید کافیست فقط دو آرایه y_pred که به معنای چیزی که مدل یا شبکه شما بدان رسیده را با y_true با چیزی که به عنوان Ground Truth (جدول درستی) دارید مقایسه و ارزیابی کنید

برای مثال:

در ابتدا کتابخانه Numpy را اضافه کنید:

سپس برای مثال ما اعداد وکتوری ذیل را جهت آزمایشی ایجاد میکنیم

حال کافیست کد ذیل را برای محاسبه چهار حالتTP,NP,FP,FN نیز بنویسیم:

 

به همین راحتی.

منبع این مطلب :  https://goo.gl/hEF6SQ

باتشکر از مهندس محمد خالوئی  در خصوص ارسال این نکته  و لینک مفید

ایام خوبی برایتان آرزو مندم

ایده از شما راهکار تولید یک بات تلگرام از ما / بات اختصاصی همراه با لینک آموزش اتصال به رسپریپای

گشت و گذارهای زیادی در نت داشتم. ولی برای بحث ربات نویسی در تلگرام که امروزه خیلی باب شده لینک ذیل خیلی ساده و شیوا بیان کرده بود. پیشنهاد میکنم همه پایتون کارها یه سر تست بزنند. از این ربات ها در همه جا میتوانید استفاده کنید. مثلا کاربردهایی در پردازش زبان طبیعی، کالا، فروش و …

اگر مشکل یا مورد خاصی بود اطلاع دهید. هرنوع باتی هم خواستین اگر نیاز به مشاوره یا … بود در بخش نظرات اطلاع دهید.

python-telegram-bot Logo

لینک کتابخانه تلگرام در پایتون

https://github.com/python-telegram-bot/python-telegram-bot

PyPi Package Version Supported python versions Documentation Status LGPLv3 License Travis CI Status Code Climate Coveralls Median time to resolve an issueTelegram Group

 

 

 

راستی اگر گذرتان به سمت ادغام این ها با رسپریپای هم خورد که ::

http://www.instructables.com/id/Set-up-Telegram-Bot-on-Raspberry-Pi/

 

یاحق.

بروزرسانی pip در پایتون

به منظور بروزرسانی pip, کافیست کد ذیل را در Terminal خود وارد کنید تا pip پایتون فعال را  بروزرسانی نماید:

 

نصب پایتون ۳٫۵ از طریق Shell Script در لینوکس

برای نصب پایتون نسخه دلخواه در لینوکس کافیست یک فایل ,sh ایجاد کرده و کد ذیل را درون آن درج کنید. همچنین میتوانید کد ذیل را مستقیم در Terminal‌وارد کنید:

 

همچنین برای بروزرسانی pip کافیست طبق آموزش موجود در سایت پیش روید.

ذخیره آرایه numpy به فرمت تصویر با scipy

گاهی اوقات پیش می آید که شما یک آرایه عددی به فرمت یک عکس (طول*ارتقاع*عمق یا کانال) دارید. حال برای ذخیره سازی آن روی هارد کافیست از کد ذیل استفاده کنید

 

تغییر نسخه پایتون پیشفرض (برای مثال تغییر پایتون۲ پیشفرض به پایتون ۳ خاص)

برای تغییردادن نسخه پایتون پیشفرض خود میتوانید با استفاده از دستور alias این کار را به راحتی انجام داد کافیست طبق مراحل ذیل پیش روید:

گام اول: بررسی نسخه جاری پایتون

برای متوجه شدن نسخه جاری پایتون نصب شده روی سیستم عامل لینوکس از این کد استفاده میکنیم:

گام دوم: بررسی صحت پایتون هدف

در این گام کافیست پایتونی که مدنظر داشتیم را تست کنیم و از صحت کارکرد نصبی آن با خبر شویم. برای مثال اگر روی سیستم خود پایتون نسخه ۲ پایتون پیشفرض شما باشد, کافیست پس از نصب پایتون از طریق توضیحات سایت رسمی سپس اقدام به بررسی آن از طریق کد ذیل نمایید:

در صورتی که پایتون نسخه۳ شما با موفقیت نصب شده بود و کار میکرد میتوانید به گام سوم بروید.

 

گام سوم: تغییر پایتون۲ به پایتون۳

از طریق کد ذیل اقدام نمایید:

حال اگر دستور بیان شده در گام اول را مجدد بزنید متوجه خواهید شد که پایتون شما به ۳ تغییر کرده است.

 

 

موفق و موید باشید/.

نصب ابزار پردازش زبان طبیعی فارسی (هضم – Hazm)

برای نصب ابزار هضم نیز طبق سایت رسمی دوستان صبحه در آدرس http://www.sobhe.ir/hazm پیش میرویم.

۱- توسط کامند ذیل در ترمینال به راحتی نصب میشود:

۲- یاعلی… بسم الله بگویید و شروع به فعالیت کنید ..

 

 

نکته : طبق اطلاعیه خود بچه های صبحه در نظر داشته باشید که؛

برچسب‌زن صرفی و تجزیه‌گر نحوی نیاز به مدل‌های آموزش‌دیده دارند. ما این مدل‌ها را هم آماده کرده‌ایم، می‌توانید آنها را دریافت کنید و در پوشه‌ای با عنوان resources در پروژه خود قرار دهید. البته رویه‌های آموزش و ارزیابی مدل‌ها هم جزئی از کد هستند.

برای نصب روی ویندوز که اصلا حداقل من پیشنهاد نمیکنم ولی بازم اگر خواستید ، لازم است ویژگی WSL را فعال کرده و با اجرای دستور زیر، پایتون را برای نصب هضم آماده کنید:

همچنین نسخه Jhazm هم هست برای زبان جاوا که اگر نیاز بود بگید آن هم آموزش ساده اش را بگذاریم.

 

به همین راحتی!  (:

کتابخانه تقدم tqdm برای خروجی در پایتون

این کتابخانه خیلی برای زیبا نشان دادن خروجی مفید است: فینگلیشش تقدم هست در عربی

tqdm means “progress” in Arabic (taqadum, تقدّم) and an abbreviation for “I love you so much” in Spanish (te quiero demasiado).

Instantly make your loops show a smart progress meter – just wrap any iterable with tqdm(iterable), and you’re done!

۷۶%|████████████████████████████        | ۷۵۶۸/۱۰۰۰۰ [۰۰:۳۳<00:10, 229.00it/s]

trange(N) can be also used as a convenient shortcut for tqdm(xrange(N)).

REPL: ptpython

It can also be executed as a module with pipes:

Overhead is low – about 60ns per iteration (80ns with tqdm_gui), and is unit tested against performance regression. By comparison, the well established ProgressBar has an 800ns/iter overhead.

In addition to its low overhead, tqdm uses smart algorithms to predict the remaining time and to skip unnecessary iteration displays, which allows for a negligible overhead in most cases.

tqdm works on any platform (Linux, Windows, Mac, FreeBSD, Solaris/SunOS), in any console or in a GUI, and is also friendly with IPython/Jupyter notebooks.

tqdm does not require any library (not even curses!) to run, just a vanilla Python interpreter will do and an environment supporting carriage return \r and line feed \n control characters.