Bạn có bao giờ muốn tạo tập dữ liệu từ chính python để sử dụng không. Chúng tôi có thể tạo các loại dữ liệu khác nhau cho các mục đích khác nhau từ python Show Vì vậy, công thức này là một ví dụ ngắn về cách chúng ta có thể Tạo dữ liệu mô phỏng để phân loại trong Python Nắm vững nghệ thuật làm sạch dữ liệu trong học máy Bước 1 - Nhập thư viện - GridSearchCv
Ở đây chúng tôi đã nhập các mô-đun pandas và make_classification từ các thư viện khác nhau. Chúng ta sẽ hiểu cách sử dụng chúng sau khi sử dụng nó trong đoạn mã Bước 2 - Tạo dữ liệuỞ đây chúng tôi đang sử dụng make_classification để tạo dữ liệu phân loại. Chúng tôi đã lưu trữ các tính năng và mục tiêu
Bước 3 - Xem tập dữ liệuChúng tôi đang xem 5 quan sát đầu tiên về các tính năng. Mô phỏng bao gồm việc sử dụng phần mềm và công nghệ hiện đại để tái tạo một hệ thống hiện có (hoặc tiềm năng) thành một mô hình mô phỏng. Mục tiêu của nó là trả lời một nhóm câu hỏi hoặc chứng minh một số giả thuyết bằng cách thử nghiệm nhiều tình huống giả định cho một hệ thống nhất định trong môi trường không có rủi ro, nơi các tham số, biến và luồng logic có thể được thao tác miễn phí Có nhiều loại mô phỏng, bao gồm mô phỏng động hệ thống, mô phỏng sự kiện rời rạc và mô phỏng dựa trên tác nhân. Trong mô phỏng dựa trên tác nhân, tác nhân đại diện cho các thực thể hoặc tác nhân tương tác với hệ thống. Họ có khả năng đưa ra quyết định và có một bộ vai trò, nhiệm vụ và quy trình được xác định trước để tuân theo. Ngoài ra, họ gặp phải các hạn chế, điều kiện và sự chậm trễ do thời gian chờ đợi, năng lực, hàng đợi, thời gian xử lý và các yếu tố bên trong/bên ngoài từ hệ thống mà họ tương tác. Python, một trong những ngôn ngữ lập trình phổ biến nhất hiện nay, có thể được sử dụng để xây dựng các mô hình mô phỏng dựa trên tác nhân đơn giản bằng cách sử dụng phương pháp lập trình hướng đối tượng và các thư viện phổ biến khác Ví dụ sau, hãy xây dựng một mô hình mô phỏng bao gồm một hệ thống đơn giản với một hàng đợi và một kênh dịch vụ. Logic mà hệ thống sẽ tuân theo như sau
Hãy xem mã Python Trong đoạn mã trên, lớp khách hàng (i. e. , tác nhân) đã được xác định, cùng với tất cả các biến của nó. Mỗi khách hàng mới được đưa vào mô hình mô phỏng sẽ lưu trữ kết quả của riêng mình trong các biến tương ứng, kết quả này sẽ được phân tích sâu hơn để hiểu rõ hơn về hiệu suất của mô hình Bây giờ, hãy xây dựng mô hình mô phỏng và nhận được một số kết quả. Mã bên dưới sẽ giả sử thời gian chạy rất ngắn là 30 giây. Hãy xem mã Python Ghi chú. phân phối xác suất tam giác với các tham số nhỏ hư cấu đã được sử dụng cho thời gian chờ đợi và sản xuất mô hình (e. g. thời gian đi bộ để xếp hàng, thời gian chờ đợi của khách hàng trong hàng đợi, thời gian thực hiện đơn hàng, thời gian xử lý đơn hàng và thời gian khách hàng dành để xác nhận đơn hàng). Các giá trị của các bản phân phối như vậy không phản ánh thời gian thực và chỉ được sử dụng cho mục đích trình diễn Khung dữ liệu bên dưới chứa tất cả các bản ghi thời gian mà khách hàng đã trải qua, từ khi đến hệ thống cho đến khi rời đi Hai cột cuối cùng của khung dữ liệu chứa thời gian đặt hàng và thời gian chờ đợi để nhận được đơn đặt hàng. Đây là hai chỉ số quy trình quan trọng có liên quan cần được phân tích thêm. Để làm như vậy, số liệu thống kê tóm tắt của họ đã được tính toán như được hiển thị trên khung dữ liệu bên dưới Với thông tin này, nhà phân tích mô phỏng có thể xác định xem các chỉ số quy trình chính ở trên hay dưới ngưỡng đã thiết lập, xác định tắc nghẽn, đánh giá hiệu suất hệ thống tổng thể, xác định các khu vực cơ hội và điểm yếu hoặc xác định chiến lược cải tiến liên tục hoặc kế hoạch hành động cho tương lai suy nghĩ kết luậnTrong bài viết này, chúng ta đã xem qua một ví dụ về cách sử dụng Python để xây dựng các mô hình mô phỏng bằng cách sử dụng lập trình hướng đối tượng trong đó các lớp đại diện cho các tác nhân. Logic mô hình được xây dựng rất đơn giản. Nó không xem xét nhiều kênh dịch vụ, khách hàng đến vào thời điểm ngẫu nhiên, điểm quyết định và nhiều ràng buộc khác sẽ xuất hiện trên các hệ thống thực tế và phức tạp hơn Mặc dù Python không phải là ngôn ngữ phù hợp nhất để xây dựng các mô hình mô phỏng, nhưng nó có thể được sử dụng để xây dựng các mô hình đơn giản bằng cách sử dụng các lớp và lập trình hướng đối tượng. Để xây dựng các mô hình mô phỏng phức tạp hơn, chúng tôi rất khuyến khích sử dụng các chương trình khác như AnyLogic, Arena hoặc Simio, chứa nhiều chức năng hơn để mô phỏng các hệ thống trong thế giới thực bằng cách sử dụng cách tiếp cận dễ dàng hơn với ít dòng mã hơn đáng kể Quan tâm đến việc tiếp tục tận dụng Python để xây dựng các mô hình mô phỏng? — — Nếu bạn thấy bài viết này hữu ích, vui lòng tải xuống mã cá nhân của tôi trên GitHub. Bạn cũng có thể gửi email trực tiếp cho tôi tại rsalaza4@binghamton. edu và tìm tôi trên LinkedIn. Bạn muốn tìm hiểu thêm về phân tích dữ liệu, khoa học dữ liệu và ứng dụng máy học trong lĩnh vực kỹ thuật? . Cảm ơn vì đã đọc Có thể mô phỏng trong python không?Python cung cấp một hàm sum() có sẵn để tính tổng các số trong danh sách . cú pháp. tổng (có thể lặp lại, bắt đầu) có thể lặp lại. iterable có thể là bất kỳ danh sách, bộ dữ liệu hoặc từ điển nào, nhưng quan trọng nhất nó phải là số.
3 loại mô phỏng là gì?Mô phỏng có thể được chia thành ba loại bao quát, như sau. . Mô phỏng sự kiện rời rạc. Ví dụ, mô hình hóa một hệ thống khi nó tiến triển theo thời gian;. Mô phỏng động. Ví dụ, mô hình hóa một hệ thống khi nó tiến triển trong không gian;. Mô phỏng quá trình Mô phỏng trong mã hóa là gì?Mô phỏng sử dụng mô tả hoặc mô hình toán học của một hệ thống thực dưới dạng chương trình máy tính . Mô hình này bao gồm các phương trình trùng lặp các mối quan hệ chức năng trong hệ thống thực. |
