用python实现（1.求输入的百倍，十位，个位数；2.输入a,b和ab间夹角，计算c边长；3.计算两点间曼哈顿距离；4.计算给定数据的几何平均数；5.计算向量的L1和L2范数）

import math
from random import choices
from functools import reduce
print("1.获取输入整数的百位，十位，个位数（无位数限制）")
print(*map(int, input("Please input number:")))
print("2.输入a,b和ab之间的夹角，求c边长")
a, b, degree = map(float, input("Please input a,b,degree:").split(","))
print("c=", math.sqrt(a ** 2 + b ** 2 - 2 * a * b * math.cos(degree * math.pi / 180)))
print("3.计算两点之间的曼哈顿距离")
def distance(a, b):return sum(map(lambda i, j:abs(i - j), a, b))
print("x=(1,6),y=(4,7),曼哈顿距离是： ", distance([1, 6], [4, 7]))
print("4.计算给定数据的几何平均数,即n个数阶乘的n次方根")
x = choices(range(1, 10), k=5)
print(x, "的几何平均数： ", reduce(lambda a, b:a * b, x) ** 1 / len(x))
print("5.计算向量的L1和L2范数")
vector = choices(range(1, 10), k=5)
l1_norm = sum(map(abs, vector))
l2_norm = sum(i ** 2 for i in vector) ** 0.5
print("vector: ", vector)
print("L1范数： ", l1_norm)
print("L2范数： ", l2_norm)
print("6.判断对称矩阵")
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
matrix_T = list(map(list, zip(*matrix)))
print("matrix: ", matrix)
print("matrix_T: ", matrix_T)
print(matrix == matrix_T)
print("7.计算矩阵的迹")
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
print("matrix", matrix, sep=":")
print(sum(matrix[i][i] for i in range(len(matrix))))
print("8.把列表中[0,9]间的数字连接成大整数")
list = choices(range(0, 9), k=25)
print("list: ", list)
print("big integer(join()方式): ", "".join(map(str, list)))
print("big integer(reduce()方式): ", reduce(lambda a, b:a * 10 + b, list))
print("9.棋盘一共64个小格子，在第一个格子里放1粒米，第二个格子里放2粒米，第三个格子里放4粒米，第四个格子里放8粒米，以此类推，\n后面每个格子里的米都是前一个格子里的2倍，一直把64个格子都放满。需要多少粒米呢？")
print("sum()方式： ",sum(2**i for i in range(64)))
print("int()方式: ",int('1'*64,2))
print("10.求100内的素数：")
print(list(i for i in range(2,100) if 0 not in [i%j for j in range(2,int(i*0.5)+1)]))
print("11.计算前n个自然数的阶乘之和1!+2!+3!+...+n!的值：")
print(sum(list(reduce(lambda x, y:x * y, range(1, i + 1)) for i in range(1, 6))))

运行：

解：
2.输入a,b和ab之间的夹角，求c边长
转换余弦公式

3.计算两点之间的曼哈顿距离
用平面曼哈顿距离定义公式

5.计算向量的L1和L2范数
L1范数：所有分量绝值之和
L2范数：所有分量平方和的平方根

用python实现（1.求输入的百倍，十位，个位数；2.输入a,b和ab间夹角，计算c边长；3.计算两点间曼哈顿距离；4.计算给定数据的几何平均数；5.计算向量的L1和L2范数）相关推荐

l2范数求导_机器学习中的范数规则化之（一）L0、L1与L2范数非常好，必看
机器学习中的范数规则化之(一)L0.L1与L2范数今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化.我们先简单的来理解下常用的L0.L1.L2和核范数规则化.最后聊下规则化项参数的选择问题 ...
l2范数求导_理解L1，L2 范数在机器学习中应用
理解L1,L2 范数 L1,L2 范数即 L1-norm 和 L2-norm,自然,有L1.L2便也有L0.L3等等.因为在机器学习领域,L1 和 L2 范数应用比较多,比如作为正则项在回归中的使用 ...
R语言计算曼哈顿距离（Manhattan Distance）实战:计算两个向量的曼哈顿距离、dist函数计算矩阵中两两元素的曼哈顿距离
R语言计算曼哈顿距离(Manhattan Distance)实战:计算两个向量的曼哈顿距离.dist函数计算矩阵中两两元素的曼哈顿距离目录 R语言计算曼哈顿距离(Manhattan Distance ...
范数规则化（一）：L0、L1与L2范数
目录 0 范数 1 L0 范数 2 L1 范数 2.1 L1 2.2 L1正则化和特征选择 2.3 拉普拉斯先验与L1正则化 2.3.1 拉普拉斯分布 2.3.2 拉普拉斯先验 3 L2 范数 3 ...
机器学习中的范数规则化之L0、L1、L2范数
我的博客中参考了大量的文章或者别的作者的博客,有时候疏忽了并未一一标注,本着分享交流知识的目的,如果侵犯您的权利,这并非我的本意,如果您提出来,我会及时改正. 本篇博客主要是为了解决机器学习中的过拟合 ...
简单理解L0、L1与L2范数
机器学习中的范数规则化之(一)L0.L1与L2范数监督机器学习问题无非就是"minimizeyour error while regularizing your parameters&qu ...
Machine Learning系列--L0、L1、L2范数
今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化.我们先简单的来理解下常用的L0.L1.L2和核范数规则化.最后聊下规则化项参数的选择问题.这里因为篇幅比较庞大,为了不吓到大家,我将这个五个 ...
机器学习中的范数规则化之（一）L0、L1与L2范数
机器学习中的范数规则化之(一)L0.L1与L2范数 zouxy09@qq.com http://blog.csdn.net/zouxy09 参考资料:<机器学习中常常提到的正则化到底是什么意思? ...
L0、L1与L2范数、核范数
L0.L1与L2范数.核范数今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化.我们先简单的来理解下常用的L0.L1.L2和核范数规则化.最后聊下规则化项参数的选择问题.这里因为篇幅比较庞大 ...

用python实现（1.求输入的百倍，十位，个位数；2.输入a,b和ab间夹角，计算c边长；3.计算两点间曼哈顿距离；4.计算给定数据的几何平均数；5.计算向量的L1和L2范数）

用python实现（1.求输入的百倍，十位，个位数；2.输入a,b和ab间夹角，计算c边长；3.计算两点间曼哈顿距离；4.计算给定数据的几何平均数；5.计算向量的L1和L2范数）相关推荐

最新文章

热门文章