Python是用于开发机器学习应用程序的最流行的语言。根据一项调查,创建机器学习程序的icode9开发人员中有69%使用Python。
机器学习icode9开发人员使用Python的原因有很多。最大的好处之一是该语言独立于平台。它也很简单、灵活,并且拥有一个可供icode9开发人员寻求支持的大型社区。
但是,Pythonicode9开发人员创建机器学习程序仍然存在学习曲线。幸运的是,他们可以找到聪明的方法来提高程序的效率。他们可以使用出色的人工智能工具并学习不同的编码技巧,以简化编码过程并更轻松地处理大型数据集。
在Python中创建更通用的机器学习应用程序的最佳方法之一是使用lambda函数来创建DataFrame。您将需要了解什么是lambda函数以及如何在Pandas包中使用它们以从中获得最大收益。
使用Lambda函数创建机器学习应用程序
越来越多的icode9开发人员正在利用lambda函数来创建强大的机器学习应用程序。TowardsDataScience的LloydHamilton谈到了使用lambda函数创建更高效的机器学习应用程序的一些好处。其中一些好处包括:
- K-最近邻的训练分类器
- 为AWS初始化S3存储桶
- 组织和调用重要的Docker功能
但是,他没有讨论最大的好处之一,即通过Pandas包使用它们来创建DataFrame。
Lambda函数是机器学习开发的游戏规则改变者。但是,以前没有使用过它们的icode9开发人员可能需要花一些时间来熟悉它们的语法。
什么是Lambda函数?
Lambda或匿名函数是Python函数,通常在一行中定义。它们可以用很少的代码执行。如果您懒得定义函数,Pythonlambda只是一种简写符号。
下面是一个将两个数字相加的Lambda函数示例:
defsum(a,b):
returna+b
它可以用lambda函数的形式表示如下。
lambdaa,b:a+b
第一个区别是lambda函数没有名称。因此,除非将其分配给变量,否则它是完全没有用的。您可以使用以下语法分配它:
sum=lambdaa,b:a+b
一旦我们有了这个函数,就可以像调用普通函数一样调用它。
sum(2,4)
如果它是您只想使用一次的函数,则将其存储在变量中可能没有意义。可以声明函数并在同一行调用它。
(lambdaa,b:a+b)(2,4)
##例子
lambda函数可以作为普通函数的输入。
defmy_function(lambda_func):
returnlambda_func(2,4).
my_function(lambdaa,b:a+b)
普通函数也可以是lambda函数的输入。请注意,这些都是教学示例,本身没有太多实际用途。
defmy_other_function(a,b):
returna+b
(lambdaa,b:my_other_function(a,b))(2,4)
尽管lambda函数与普通函数相比有很多限制,但它们共享很多功能。可以为参数分配默认值。
(lambdaa,b,c=3:a+b+c)(1,2)#6
也可以传递指示其名称的参数。
(lambdaa,b,c:a+b+c)(a=1,b=2,c=3)#6
与在函数中一样,您可以使用*来拥有可变数量的参数,这称为元组解包。
(lambda*args:sum(args))(1,2,3)#6
如果将输入参数以key和value的形式存储,就好像它是一个字典一样,也可以调用该函数。
(lambda**kwargs:sum(kwargs.values()))(a=1,b=2,c=3)#6
最后,可以返回多个值。
x=lambdaa,b:(b,a)
print(x(3,9))
#Output(9,3)
使用Lambda函数通过Pandas包创建数据帧
一旦您了解了lambda函数的基础知识,您就可以在创建机器学习应用程序时找到创造性的方法来实现它们。TowardsDataScience的TonichiEdeza强调了将它们用于此目的的一些好处。最大的好处之一是您可以使用lambda函数来创建数据并将其添加到DataFrames。您可以在他的博客文章中查看示例中的代码,该代码展示了如何仅用两行代码在DataFrame中创建新列。
DataFrames是Python中非常通用的元素,对于许多机器学习应用程序至关重要。它们是Pandas包的一部分,它是机器学习开发的一个非常重要的工具包。然而,正如PavanKalyan在他的文章MustknowPandasFunctionsforMachineLearningJourney中指出的那样,由于存储大型数据集面临的挑战,它们可能难以使用。这强调了使用lambda函数更容易使用它们的好处。
以上就是今天(2022年11月9日)小编为大家整理的icode9【数据库精华分享】,希望对大家有所帮助。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/tech/python/292861.html