Vīrya

放在心上

你所謂的歲月靜好不過是有人替你負重前行

京都神泉苑

空海大師

最近缺水，來聊聊日本旅遊見聞～

日本有兩大高僧～傳教大師最澄和尚，弘法大師空海遍照金剛。空海大師學問極高，其中一個學術貢獻是參與，日文字母平片假名設計。空海大師留學中國，學習佛法，師承惠果阿闍梨承接密宗教法。

空海大師回日本後，天皇將東寺託付給空海大師，讓他有道場可以宣揚佛法。某陣子京都大旱，天皇請空海大師祈雨。空海大師神通廣大，一眼看穿原來是有邪惡法師用神通力鎖住呼風喚雨的龍神，空海大師用神通力把龍神救出來並安置在神泉苑，解除京都大旱。

邪惡法師憎恨空海大師破解他的詭計，因此再次發揮神通力用空海大師射箭，當箭要射中空海大師時，突然現身一位穿著黑色僧服的出家人為空海大師擋箭，這位出家人被認為是地藏菩薩的化身，因此在空海大師住錫的東寺旁邊，蓋了一間小廟取名為矢取地藏，感念地藏菩薩捨身擋箭。

放慢腳步，遍地都是故事，山河大地都在和你聊天談心。

京都-東寺

神泉苑-善女龍王社

神泉苑

京都-矢取地蔵尊

find eigenvalue & eigenvector



import numpy as np
sigmay = np.array([[0,-1j],[1j,0]])
print(sigmay)
eigenvalues, eigenvectors  = np.linalg.eig(sigmay)
print(eigenvalues)
print(eigenvectors)

vector operation



import numpy as np
v1 = np.array([[1j],[2]])
print(v1)

print(v1.shape)

v2 = v1/np.linalg.norm(v1)
print(v2)
print(np.vdot(v2,v2))

Normaliztion



import numpy as np
v1 = np.array([[1],[1]])
print(v1)
from sklearn.preprocessing import normalize
v2 = v1/np.linalg.norm(v1)
print(v2)

inner product



import numpy as np

v1=np.array([[np.sqrt(3)],[1]])
v2 = np.array([[1],[2]])
inner_result=np.vdot(v1,v2)
print(inner_result)

print(v1.shape)
print(v2.shape)

breast cancer - KNN



from sklearn.datasets import load_breast_cancer

from sklearn.neighbors import KNeighborsClassifier

from sklearn.model_selection import train_test_split

my_data = load_breast_cancer()

print(my_data)


print(my_data.keys())

print("資料筆數:")
print(my_data.data.shape)
print("\n")

print("第一筆的資料內容:")

print(my_data.data[0])
print("\n")

print("第一筆的分類目標:")
print(my_data.target[0])
print("\n")

print("預測目標的名稱種類，分別是惡性腫瘤及良性腫瘤:")
print(my_data.target_names)
print("\n")


train_x, test_x, train_y, test_y = train_test_split(my_data.data,my_data.target,test_size=0.2,random_state=18,shuffle=True)

print("原始資料的維度大小:", my_data.data.shape)
print("訓練集的維度大小:", train_x.shape)
print("測試集的維度大小:", test_x.shape)

#my_model = KNeighborsClassifier()
my_model = KNeighborsClassifier(n_neighbors=6)

my_model.fit(train_x, train_y)

test_score = my_model.score(test_x,test_y)
print("模型評估完測試集的準確度為:", test_score)