机器学习算法中,对矩阵的操作非常频繁,如果不熟悉矩阵的数学知识, 或者不太理解Python中对于矩阵操作的方法, 学习起来会寸步难行, 因此这篇笔记用于整理Python和数学相关的基础知识点,方便查阅。
1. Array创建矩阵, 矩阵转为Array
一般是从Array来创建, 各种编程语言都使用Array
import numpy as np
aArr=[
[6,2,3],
[4,5,6],
[2,7,1]
]
aMatrix=np.mat(aArr)
aArrNew=aMatrix.A
2. 矩阵取数,和排序
取第一行
aMatrix[0,:]
矩阵取第二列
aMatrix[:,1]
矩阵第二列排序
col=aMatrix[:,1]
col.sort(0)
矩阵第二行排序
line=aMatrix[2,:]
line.sort(1)
A矩阵的行乘以B矩阵的列, 每个元素相乘,最后结果相加
4. 行列式
二阶行列式的值就是主对角线相乘减去次对角线相乘得到的数值。
如果矩阵的行列式为0,那么就不能对这个矩阵计算矩阵
矩阵:
[[ 14. 62.]
[ 62. 308.]]
[[ 14. 62.]
[ 62. 308.]]
行列式值:
linalg.det 468.0 =14*308-62*62
linalg.det 468.0 =14*308-62*62
行列式为0: 有2行或2列数值相同的情况, 有一行或一列全为0的情况;
5. 矩阵转置
把矩阵的行转为列, 把原来的列变成行
aMatrix.T 直接得到
[6,2,3]
[4,5,6]
[2,7,1]
转置后得到
[6,4,2]
[2,5,7]
[3,6,1]
6. 逆矩阵
矩阵: xTx.I inverse 矩阵求逆。 AB=BA=E
E的结果为:
[ 3+(-2) 1+-1
-6+6 -2+3 ]
aMatrix.I 得到矩阵的逆矩阵。 (如果矩阵的行列式值为0,那么计算逆矩阵是会出错的)
[[ 0.24342105 -0.125 0.01973684]
[-0.05263158 -0. 0.15789474]
[-0.11842105 0.25 -0.14473684]]
[-0.05263158 -0. 0.15789474]
[-0.11842105 0.25 -0.14473684]]
7. 矩阵转换成一维矩阵
aMatrix.flatten()
[
[6,2,3]
[4,5,6]
[2,7,1]
]
转换后:
[[6,2,3,4,5,6,2,7,1]]
相关推荐
这个"python机器学习入门.zip"压缩包显然是为了帮助新手快速掌握Python中的机器学习基础知识。本文将深入探讨Python 3.6.2环境下如何利用鸢尾花数据集(Iris dataset)进行机器学习实践。 首先,让我们了解Python ...
本资料包"机器学习深度学习基础-python入门资料"提供了全面的学习资源,帮助那些对Python感兴趣的、尤其是想在AI和ml(机器学习)领域发展的学习者打下坚实的基础。 首先,了解Python的基础语法至关重要。Python...
### 数学建模中的Python快速入门 #### Python在数学建模中的重要性 Python作为一种强大的编程语言,在数学建模领域有着广泛的应用。它简洁、易读且功能强大,支持多种编程范式,如面向对象、命令式、函数式以及...
本文将介绍Numpy在向量和矩阵操作方面的基础知识,为机器学习小白提供一个入门级别的学习指南。 向量和矩阵在Numpy中都以数组的形式存在,我们可以利用Numpy提供的各种函数来进行矩阵运算和数学计算。具体而言,...
总的来说,“Python机器学习笔记教程”涵盖了Python基础、数据处理、机器学习算法以及深度学习的入门知识,适合希望在这一领域深入学习的学员。通过系统的学习和实践,你可以逐步提升在机器学习领域的技能,并为解决...
标题“用Python开始机器学习1”和描述主要介绍了如何配置...通过以上步骤和知识,读者可以建立一个基本的Python机器学习环境,并开始学习和实践决策树算法。在后续章节中,文章将深入探讨决策树分类算法的具体应用。
这个压缩包 "python3入门机器学习.zip" 可能包含了帮助初学者了解和实践 Python3 机器学习的基础教程、代码示例和相关资源。 在机器学习中,Python3 主要通过其丰富的库来实现,如 NumPy 用于数值计算,Pandas 用于...
《machinelearning-pdf_zip1_machineLearning_python机器学习》这个压缩包文件是针对Python机器学习的一份综合教程,旨在帮助初学者从基础知识入手,逐步掌握到实际编程应用。它涵盖了多个关键领域,包括数学基础、...
【Python机器学习】 Python在机器学习方面的应用广泛,scikit-learn提供了多种机器学习算法,如回归、分类、聚类、降维等。学习机器学习,还需要理解数据预处理、特征工程、模型评估等相关知识。 总之,Python是...
这份名为“你的Python入门好帮手”的压缩包文件显然是为初学者设计的,旨在提供一个全面的Python学习路径,涵盖了Python基础知识、网络爬虫技术以及numpy库的使用。以下是这些主题的详细说明: 1. Python基础学习:...
《人工智能实战——从 Python 入门到机器学习》是一份深度探索人工智能领域的综合教程,它以 Python 语言作为基础,逐步引导读者从编程基础到掌握机器学习的核心技术。Python 是目前数据科学和人工智能领域最广泛...
### Python快速入门知识点 #### 1. Python简介 Python 是一种高级编程语言,结合了解释性、编译性、互动性和面向对象的特性。它的设计强调代码的可读性,用显著的缩进来分隔代码块,使得语法更加清晰易懂。Python ...
总之,完成这个逻辑回归的Python实现作业,不仅能提升你的编程技能,还能帮助你巩固机器学习的基础知识,为进一步学习深度学习和其他高级算法打下坚实基础。通过实践,你可以更加熟练地运用这些工具解决实际问题。
【标题】"Python金融编程快速入门与项目实操"是一本旨在帮助初学者迅速掌握Python在金融领域的应用的书籍。这本书通过实践项目的方式,让读者能够深入理解Python编程语言的基础知识,以及它如何应用于金融数据分析、...
在数学知识部分,作者涵盖了微分和矩阵运算等基础概念,这些都是机器学习中常见的工具,特别是梯度下降法和线性代数在优化算法中的应用。这部分内容对于理解机器学习模型的训练过程至关重要。 在机器学习算法的讲解...
在“机器学习Python代码实践”这个主题中,我们将深入探讨如何使用Python这一强大的编程语言来实现各种机器学习算法。Python以其简洁的语法和丰富的库支持,成为数据科学和机器学习领域的首选工具。在这个实践中,...
《Python机器学习》教学课件中的“NumPy数据分析”部分主要涵盖了NumPy库的基本概念、常用操作技巧以及在实际分析中的应用。NumPy是Python中不可或缺的科学计算库,尤其在机器学习领域,它为处理大规模数据集提供了...
这个资源包包含了丰富的学习材料,包括四份PDF文档:机器学习(算法篇1).pdf、机器学习(算法篇2).pdf、机器学习(科学计算库1).pdf和机器学习(科学计算库2).pdf。以下是对这些知识点的详细解释: 1. **机器学习基础**...
机器学习的数学基础是构建和理解现代人工智能技术的基石,特别是对于机器学习这一领域来说,扎实的数学知识是必不可少的。本资料集包含了对机器学习所依赖的主要数学概念的深入探讨,以及用Python实现这些概念的源...
标签“Python开发-机器学习”暗示了这些notebooks可能不仅仅局限于基础编程和数学,还可能包含一些机器学习的启蒙内容。机器学习是Python应用的一个重要领域,涉及到数据处理、统计模型、算法等内容,这些都可以用来...