Á¤¼ºÈÆ
    generic
genetic.py [1 KB]   generic.png [21 KB]  




1
2
3
4
5
6
7
8
9
10
11
import numpy as np
import matplotlib.pyplot as plt
 
= 10; sigma = 2
x1 = np.random.randn(10000)
x2 = m+sigma*np.random.randn(10000)
 
plt.figure(figsize=(10,6))
plt.hist(x1, bins=20, alpha=0.4)        # 20°³ÀÇ »óÀÚ¸¦ ÀÌ¿ëÇÏ¿© È÷½ºÅä±×·¥ °è»ê
plt.hist(x2, bins=20, alpha=0.4)
plt.show()
cs

  µî·ÏÀÏ : 2020-08-02 [02:22] Á¶È¸ : 215 ´Ù¿î : 138   
 
¡â ÀÌÀü±ÛGA
¡ä ´ÙÀ½±Û(3Àå) °ÔÀÓÆ®¸®
ÀΰøÁö´É ½Ç½À
¹øÈ£ ¨Ï Á¦ ¸ñ À̸§
ÀΰøÁö´É (õÀα¹ Àú) ÄÚµå
¨ÕÆÄÀÌÅäÄ¡ ù°ÉÀ½ (ÃÖ°ÇÈ£ Àú) ÄÚµå
19    ¦¦❷ perceptron1 Á¤¼ºÈÆ
18 ¦¦❶ (11Àå) kNN ¾Ë°í¸®Áò°ú K-means ¾Ë°í¸®Áò Á¤¼ºÈÆ
17    ¦¦❷ lab1 Á¤¼ºÈÆ
16    ¦¦❷ kmeans2 Á¤¼ºÈÆ
15    ¦¦❷ kmeans1 Á¤¼ºÈÆ
14    ¦¦❷ knn2 Á¤¼ºÈÆ
13    ¦¦❷ knn Á¤¼ºÈÆ
12 ¦¦❶ (10Àå) ¼±Çü ȸ±Í Á¤¼ºÈÆ
11    ¦¦❷ linear_reg2 Á¤¼ºÈÆ
10    ¦¦❷ lab2 Á¤¼ºÈÆ
9    ¦¦❷ lab1 Á¤¼ºÈÆ
8 ¦¦❶ (8Àå) À¯ÀüÀÚ ¾Ë°í¸®Áò Á¤¼ºÈÆ
7    ¦¦❷ GA Á¤¼ºÈÆ
6    ¦¦❷ generic Á¤¼ºÈÆ
5 ¦¦❶ (3Àå) °ÔÀÓÆ®¸® Á¤¼ºÈÆ

[1][2][3][4][5][6]