numpy 在机器学习中常用函数总结

1. 矩阵的重建：

numpy.reshape(a, newshape, order='C')

矩阵重建，将矩阵a变成新的形状如：

>>> a = np.arange(6).reshape((3, 2))
>>> a
array([[0, 1],[2, 3],[4, 5]])>>> np.reshape(a, (2, 3)) # C-like index ordering
array([[0, 1, 2],[3, 4, 5]])>>> np.reshape(a, (3,-1))       # the unspecified value is inferred to be 2
array([[1, 2],[3, 4],[5, 6]])

2. 矩阵相乘

numpy.matmul(a, b, out=None)

将两个矩阵a,b相乘，即数学中的矩阵乘法

For 2-D arrays it is the matrix product:>>> a = [[1, 0], [0, 1]]
>>> b = [[4, 1], [2, 2]]
>>> np.matmul(a, b)
array([[4, 1],[2, 2]])For 2-D mixed with 1-D, the result is the usual>>>>> a = [[1, 0], [0, 1]]
>>> b = [1, 2]
>>> np.matmul(a, b)
array([1, 2])
>>> np.matmul(b, a)
array([1, 2])

3. 生成服从正态分布(均值为0，方差为1)的数据

np.random.randn(d1,d2,d3....)

1) 当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal（）函数与np.random.randn()类似，但是np.random.standard_normal（）
的输入参数为元组（tuple）.
5) np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。

import numpy as np
>>>np.random.randn()
>>>np.random.randn(1)
>>>np.random.randn(2)
>>>np.random.randn(3,3)
>>>np.random.randn(5,2)

4. 生成多元正态分布矩阵：

multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)

其中mean和cov为必要的传参，而size和check_valid以及tol为可选参数。

mean：多为分布的均值　cov：协方差矩阵，如果是需要自己生成时需要注意，协方差矩阵应该是半正定矩阵

size：指定生成的正态分布矩阵的维度

5 . 生成均匀分布的数据样本

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

在指定的间隔内返回均匀间隔的数字。

start：起始值　　stop：结束值　　num：需要的样本个数

综合使用：自己生成样本数据，然后利用逻辑回归进行拟合：

import numpy as npnum_ob = 100
np.random.seed(12)#利用高斯分布来生成样本，样本的个数为100个，每一个样本都是20维，相当于20个属性，
#因此需要设计每个属性的均值，这也就是为什么第一个参数是20维，同时也要设计属性与属性之间的方差，也就是协方差矩阵为20*20
x = np.random.rand(20,20)
#这一行将cov = x的转置×ｘ　是保证矩阵为半正定
cov = np.matmul(x.T, x)
#利用高斯分布生成样本，第一个参数为均值，第二个为协方差护着方差，第三个为样本数量
X1 = np.random.multivariate_normal(np.random.rand(20),cov, num_ob)
X2 = np.random.multivariate_normal(np.random.rand(20)+5,cov, num_ob)
#以横向或者竖向的方式来堆叠样本， horizontal 和vertical
X = np.vstack((X1,X2)).astype(np.float32)
y = np.hstack((np.zeros(num_ob), np.ones(num_ob)))from sklearn.linear_model import LogisticRegression
clf = LogisticRegression(fit_intercept=True, C = 0.1, penalty='l1',solver='liblinear')
clf.fit(X,y)

numpy 在机器学习中常用函数总结相关推荐

Py之Numpy：Numpy库中常用函数的简介、应用之详细攻略
Py之Numpy:Numpy库中常用函数的简介.应用之详细攻略目录 Numpy库中常用函数的简介.应用 1.X, Y = np.meshgrid(X, Y) 相关文章 Py之Numpy:Numpy库 ...
TF：tensorflow框架中常用函数介绍—tf.Variable()和tf.get_variable()用法及其区别
TF:tensorflow框架中常用函数介绍-tf.Variable()和tf.get_variable()用法及其区别目录 tensorflow框架 tensorflow.Variable()函数 ...
[转载] NumPy 基本操作(ndarray通用函数 / 常用函数)
参考链接: Python中的numpy.cosh ndarray通用函数 / 常用函数一.ufunc:numpy 模块中对 ndarray 中数据进行快速元素级运算的函数,也可以看做是简单的函数(接 ...
AI：人工智能概念之机器学习中常用算法的思维导图集合(非常经典、建议收藏)之详细攻略
AI:人工智能概念之机器学习中常用算法的思维导图集合(非常经典.建议收藏)之详细攻略目录机器学习算法的思维导图集合 1.ML算法思维图 2.ML算法思维导图相关文章:ML/DL:关于算法模型的选 ...
oracle中各种函数,oracle中常用函数大全
1.数值型常用函数函数返回值样例显示 ceil(n) 大于或等于数值n的最小整数 select ceil(10.6) from dual; 11 floor(n) 小于等于数值n的最大整数 s ...
concat函数_三、P57-61 MySQL中常用函数
本部分主要讲解MySQL数据库中常用函数的使用. P57 SQL中的函数类型:字符串函数.数值函数.日期和时间函数.流程函数.其他常用函数: P58 第1部分:字符串函数 1.concat函数 con ...
计算机应用常用的30个函数,Excel中常用函数的使用
ISSN 1009-30" 咖船r Kno别b内e and伯叻肋叻电奠知识'i技术 V01．6,No．30,October20lO,pP．8523-8524E-mail:x8jl@cccc． ...
php开发中常用函数总结,PHP开发中常用函数总结
PHP开发中常用函数总结发布于 2014-10-31 08:34:03 | 48 次阅读 | 评论: 0 | 来源: 网友投递 PHP开源脚本语言PHP(外文名: Hypertext Preproc ...
机器学习中常用的优化算法：
http://blog.csdn.net/losteng/article/details/50993911 有知识点和代码的实现过程. 机器学习中常用的优化算法: 1.梯度下降法 2.牛顿法和拟牛顿法 ...

numpy 在机器学习中常用函数总结

numpy 在机器学习中常用函数总结相关推荐

最新文章

热门文章

numpy 在机器学习中 常用函数总结

numpy 在机器学习中 常用函数总结相关推荐

最新文章

热门文章

numpy 在机器学习中常用函数总结

numpy 在机器学习中常用函数总结相关推荐