Python库在机器学习中的简单应用

Numpy

导入

import numpy as np

array()生成数组

A = np.array([1,2,3],[4,5,6])

reshape改变维度

A.reshape((3,-1))
#-1是懒人写法,自动计算

按列改变数据维度(默认按行)

A.reshape((3,2),order="F")

数组的切片与修改

A[1:] #切片
A[:,2] = 1 # 修改
A[0:2,1:3] #提取交叉位置数据

高维数据生成

B = np.array([A,A*2])

在一定范围内生成等长数组

np.linspace(start = 1,stop = 15,num = 5) #1~15
#result : 1,4.5,8,11.5,15

在一定范围内以一定步长生成数组

np.arange(1,15,5)
#result:1,6,11

生成全1、全0、单位矩阵

np.ones(2,3) #全1矩阵
np.zeros(2,3) #全0矩阵
np.eye(3) #对角单位矩阵

指定对角线元素取值

np.diag(np.arange(1,15,5))
#result :1 0 0
		 0 6 0
		 0 0 11
#diag函数得到函数对角元素

随机数生成

np.random.seed(2) #指定随机数种子
np.random.randn(3,3) #生成随机数(3,3)随机数组
C = np.random.randn(3,3).T #数组转置
D = np.mat(C) # 数组转换为矩阵
D = D.I #矩阵的逆

Python库在机器学习中的简单应用

上一篇:Conditional注解与SpringBoot组件扩展


下一篇:基于SpringBoot的仓库管理系统-仓库管理系统毕业设计-库存管理系统代码