机器学习笔记之Numpy与张量 |
您所在的位置：网站首页 › 张量运算符号 › 机器学习笔记之Numpy与张量 |
机器学习笔记之Numpy与张量
|
Numpy， 张量，相关函数使用（逐步更新）
张量查看Numpy张量轴张量形状与数据类型逐元素相乘（与.dot点乘不同）相关函数np.random.randn(n)np.exp(z)np.insert()函数np. argmax()np.mean()np.linalg.norm()
np.squeeze()
张量
张量是矩阵向任意维度的推广(张量的维度通常叫轴） 仅含一个数字的张量叫标量（0D张量） 查看Numpy张量轴 # 0D x = np.array(12) print(x) print(x.ndim) # 1D x = np.array([12, 3, 6, 14, 7]) print(x) print(x.ndim) # 2D x = np.array([[1, 2, 3, 4, 5], [4, 5, 6, 7, 8]]) print(x) print(x.ndim) # 3D x = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[1, 2, 3], [4, 5, 6], [7, 8, 9]]]) print(x) print(x.ndim) 张量形状与数据类型形状是一个整数元组 例如： # 2D x = np.array([[1, 2, 3, 4, 5], [4, 5, 6, 7, 8]]) print(x) print(x.shape)输出是（2， 5） 数据类型可以是float32， unit8， float64 逐元素相乘（与.dot点乘不同）例如B维度：(3,3),C维度（3,1） B*C维度（3，3）运用到了广播机制（将C复制两列然后逐元素相乘） 例： import numpy as np B = np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3]]) C = np.array([[1], [2], [3]]) # 逐元素相乘 D = B*C print(D)
生成五个随机高斯变量 np.exp(z)表示e的z次方 np.insert()函数np.insert(x, 0, values=1,axis=1) axis = 0: 表示竖直 axis = 1：表示水平 0：表示插入的索引值 value：插入的值 最终在每一行第一个位置插入1 import numpy as np x = np.array([[2, 3, 4, 5], [5, 6, 7, 8]]) x = np.insert(x, 0, values=1,axis=1) print(x)
axis = 1 （行） np.argmax(a, axis=1)： 返回行最大值的索引 例如： import numpy as np a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]]) print(np.argmax(a, axis=1))
1.可以用来预测准确率： 可计算预测值与实际值相等所占比例 例如; import numpy as np y = np.array([1, 0, 0, 1, 1]) y1 = np.array([1, 0, 1, 0, 0]) acc = np.mean(y==y1) print(acc)
可用于计算m个点分别到k个点距离 例：（1,1）（3,4）(5,12)分别到（0,0）（1，1）（2,2）距离 import numpy as np li= np.array([[1, 1], [3, 4], [5, 12]]) centro = np.array([[0, 0], [1, 1], [2, 2]]) for i in range(len(li)): distance = np.linalg.norm((li[i]-centro), axis=1) print(distance) np.squeeze()可以将矩阵转化为列表 例： import numpy as np X = np.array([[1], [2], [3], [4]]) print(X) x = np.squeeze(X) print(x)
|
【本文地址】