Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 8 Einführung in Numpy

import numpy as np

 a = np.array([1, 2, 3])　#Definieren Sie eine Numpy-Formatmatrix
 a.shape => #Ausgabeform als Taple
 a.rank => #Ausgangsrang
 a.size =>#Ausgabegröße Anzahl der Daten
 a.ndim =>  #Ausgabe len
 a = np.zeros((3, 3)) => #3x3 Nullmatrix
 a = np.ones((2, 3)) => #Eine Matrix mit allen 2x3 Elementen
 a = np.full((3, 2), 9) => #Eine Matrix mit allen 9 3x2 Elementen
 a = np.eye(5)          => #5x5 Einheitsmatrix
 a = np.random.random((4, 5)) => #4x5 mit 0 Elementen~Matrix bestimmt durch eine Zufallszahl von 1
 a = np.arange(3, 10, 1) => #Zeilenvektor um 1 von 3 auf 10 erhöht
 a = np[0,3] => #Wert in der 1. Zeile und 4. Spalte
 #↓ Ich kann diese Erklärung nicht verstehen><
 #4 x 5 2 x 3 in der Mitte der Matrix e=6 Werte extrahieren
 center = e[1:3, 1:4]
 a[[0, 2, 1], [1, 1, 0]] => # (1, 2), (3, 2), (2, 1)Geben Sie die Elemente als Zeilenvektor aus

np.dot(A,B) or A.dot(B) #Wie auch immer
np.dot(X.T, X)          #Berechnen Sie das Produkt der transponierten Matrix aus Matrix X und X.
np.linalg.inv(A)        #Berechnen Sie die Umkehrung der Matrix A.

Recommended Posts