機器學習二——利用numpy庫對矩陣進行操作
利用numpy庫對矩陣進行操作
矩陣的初始化
import numpy as np
# 生成3*5的0矩陣
myZero = np.zeros([3, 5])
# 生成3*5的1矩陣
myOnes = np.ones([3, 5])
# 生成3*4的隨機矩陣
myRand = np.random.rand(3, 4)
# 生成3*3的單位矩陣
myEye = np.eye(3)
矩陣的元素運算
1、元素相加減
兩個矩陣的行數和列數必須相同
from numpy import *
# 元素相加減
myOnes = ones([3,3])
myEye = eye(3)
print(myOnes + myEye)
print(myOnes - myEye)
[[2. 1. 1.]
[1. 2. 1.]
[1. 1. 2.]]
[[0. 1. 1.]
[1. 0. 1.]
[1. 1. 0.]]
2、矩陣數乘
from numpy import *
myMatrix = mat([[1,2,3], [4,5,6], [7,8,9]])
a = 10
print(a*myMatrix)
結果
[[10 20 30]
[40 50 60]
[70 80 90]]
3、矩陣所有元素求和
from numpy import *
myMatrix = mat([[1,2,3], [4,5,6], [7,8,9]])
a = 10
print(sum(myMatrix))
結果
45
4、矩陣各元素的積
pyfrom numpy import *
myMatrix = mat([[1,2,3], [4,5,6], [7,8,9]])
myMatrix2 = 1.5*ones([3,3])
print(multiply(myMatrix,myMatrix2))
結果
[[ 1.5 3. 4.5]
[ 6. 7.5 9. ]
[10.5 12. 13.5]]
5、矩陣各元素的n次冪
n=2
from numpy import *
myMatrix = mat([[1,2,3], [4,5,6], [7,8,9]])
print(power(myMatrix,2))
結果
[[ 1 4 9]
[16 25 36]
[49 64 81]]
矩陣的乘法:矩陣乘矩陣
from numpy import *
myMatrix1 = mat([[1,2,3], [4,5,6], [7,8,9]])
myMatrix2 = mat([[1], [2], [3]])
print(myMatrix1*myMatrix2)
結果
[[14]
[32]
[50]]
矩陣的轉置
from numpy import *
myMatrix = mat([[1,2,3], [4,5,6], [7,8,9]])
print(myMatrix.T) # 從原矩陣上進行轉置
myMatrix.transpose() # 從原矩陣上進行轉置
print(myMatrix)
結果
[[1 4 7]
[2 5 8]
[3 6 9]]
[[1 2 3]
[4 5 6]
[7 8 9]]
矩陣的其他操作:行列數、切片、複製、比較
from numpy import *
myMatrix = mat([[1,2,3], [4,5,6], [7,8,9]])
m, n = shape(myMatrix)
print("矩陣的行數和列數:%d和%d" % (m, n) )
myscl1 = myMatrix[0]
print("按行切片:", myscl1)
myscl2 = myMatrix.T[0]
print("按列切片:", myscl2)
mycpmat = myMatrix.copy()
print("複製矩陣:", mycpmat)
print("矩陣元素的比較:\n", myMatrix < myMatrix.T)
結果
矩陣的行數和列數:3和3
按行切片: [[1 2 3]]
按列切片: [[1 4 7]]
複製矩陣: [[1 2 3]
[4 5 6]
[7 8 9]]
矩陣元素的比較:
[[False True True]
[False False True]
[False False False]]
相關文章
- 【numpy學習筆記】矩陣操作筆記矩陣
- 機器學習中的矩陣向量求導(五) 矩陣對矩陣的求導機器學習矩陣求導
- 【機器學習】--Python機器學習庫之Numpy機器學習Python
- 矩陣:如何使用矩陣操作進行 PageRank 計算?矩陣
- 【TcaplusDB知識庫】如何對陣列進行操作陣列
- 機器人想要什麼:利用機器學習有效地進行教學機器人機器學習
- [Python]-機器學習Python入門《Python機器學習手冊》-01-向量、矩陣和陣列Python機器學習矩陣陣列
- Numpy學習(2)numpy向量化、numpy操作
- 利用機器學習進行惡意程式碼分類機器學習
- 【Numpy應用】--對於圖片處理的機器學習庫的應用機器學習
- 學習分享:對極幾何、基本矩陣、本質矩陣(持續更新)矩陣
- Numpy陣列操作陣列
- 機器學習中的矩陣向量求導(四) 矩陣向量求導鏈式法則機器學習矩陣求導
- python 對矩陣進行復制操作 np.repeat 與 np.tile區別Python矩陣
- Numpy中的矩陣運算矩陣
- 利用Scikit-learn機器學習庫的特徵分類進行vnpy期貨量化交易機器學習特徵
- 如何利用散點圖矩陣進行資料視覺化矩陣視覺化
- 【Numpy學習08】陣列迭代陣列
- 演算法學習:矩陣快速冪/矩陣加速演算法矩陣
- 機器學習之Numpy與張量機器學習
- 利用Scikit-learn機器學習庫的特徵分類進行vnpy期貨量化交易(程式碼)機器學習特徵
- 人工智慧之機器學習線代基礎——行列式、矩陣的 逆(inverse)、伴隨矩陣人工智慧機器學習矩陣
- 【OpenCV教程】OpenCV中對矩陣的常用操作OpenCV矩陣
- 人工智慧之機器學習線代基礎——矩陣分類人工智慧機器學習矩陣
- 人工智慧-機器學習-演算法:非負矩陣分解(NMF)人工智慧機器學習演算法矩陣
- numpy學習筆記 – numpy陣列的常見用法筆記陣列
- Python numpy中矩陣的用法總結Python矩陣
- 使用numpy包生成反對角線上全為1的矩陣矩陣
- [譯] 利用 Keras 深度學習庫進行詞性標註教程Keras深度學習詞性標註
- 機器學習&深度學習 操作tips機器學習深度學習
- 如何進行機器學習框架選擇機器學習框架
- 如何對SAP Leonardo上的機器學習模型進行重新訓練機器學習模型
- 跟我一起學《深度學習》 第二章 線性代數(2.3 單位矩陣和逆矩陣)深度學習矩陣
- 機器學習-習題(二)機器學習
- Numpy學習第二天
- 機器學習進階 第二節 第八課機器學習
- 利用Data Vault對資料倉儲進行建模(二)
- 矩陣求導(二)矩陣求導