机器学习篇：Python，NumPy函数库基础
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了机器学习篇：Python，NumPy函数库基础，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1919字，纯文字阅读大概需要3分钟。
内容图文
Python基础：https://blog.csdn.net/qq_34374664/article/details/80012978
NumPy函数库基础 （参考自《机器学习实战》）
先打开Pyhton
>>> from numpy import * 引入NumPy函数库所有模块
>>> random.rand(4,4) 随机创建4x4矩阵
>>> randMat=mat(random.rand(4,4)) 赋值语句
>>> randMat.I 矩阵求逆
>>> invRandMat=randMat.I 赋值语句
>>> randMat*invRandMat 矩阵相乘（矩阵乘以它的逆矩阵结果应当是单位矩阵（除了对角线元素是1,4x4矩阵其他元素应该全是0））
>>> myEye=randMat*invRandMat 赋值语句
>>> myEye-eye(4) eye（4）的作用是创建一个4x4大小的单位矩阵
下面是运行结果，另一方面，如果这些函数都能正常运行，说明已经正确安装NumPy函数库，否则，请移步
https://blog.csdn.net/qq_15020543/article/details/82950509
>>> from numpy import *
>>> random.rand(4,4)
array([[0.52968867, 0.27295897, 0.43328778, 0.15351488],
[0.38746148, 0.96991943, 0.31615279, 0.97758276],
[0.17381753, 0.69937117, 0.36569362, 0.59213545],
[0.63289993, 0.85300831, 0.05252367, 0.33017053]])
>>> randMat=mat(random.rand(4,4))
>>> randMat.I
matrix([[-3.67137963, 5.61616605, -5.24930488, 4.42793174],
[ 0.7807113 , -4.00703711, 2.87491373, -1.06612482],
[ 2.53688143, -0.62544835, 2.97554257, -3.04149837],
[ 1.12031781, -0.34828213, -0.49333309, 0.44188235]])
>>> invRandMat=randMat.I
>>> randMat*invRandMat
matrix([[ 1.00000000e+00, 7.59160956e-17, 5.12264156e-17,
5.29937977e-17],
[ 8.74862671e-17, 1.00000000e+00, 1.59897727e-16,
-1.95691465e-16],
[-4.54604422e-16, 4.92732200e-16, 1.00000000e+00,
1.93028444e-16],
[-5.51365126e-16, 4.39589407e-16, -6.40992479e-16,
1.00000000e+00]])
>>> myEye=randMat*invRandMat
>>> myEye-eye(4)
matrix([[ 0.00000000e+00, 7.59160956e-17, 5.12264156e-17,
5.29937977e-17],
[ 8.74862671e-17, 2.22044605e-16, 1.59897727e-16,
-1.95691465e-16],
[-4.54604422e-16, 4.92732200e-16, -1.11022302e-16,
1.93028444e-16],
[-5.51365126e-16, 4.39589407e-16, -6.40992479e-16,
2.22044605e-16]])
如果在VS2017下面测试，只需要把需要显示的对象使用print函数打印出来
内容总结
以上是互联网集市为您收集整理的机器学习篇：Python，NumPy函数库基础全部内容，希望文章能够帮你解决机器学习篇：Python，NumPy函数库基础所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。