本文主要是介绍Python库在机器学习中的简单应用,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
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
这篇关于Python库在机器学习中的简单应用的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!