
线性模型理解(一):numpy矩阵
发布日期:2021-05-06 22:01:56
浏览次数:23
分类:精选文章
本文共 1080 字,大约阅读时间需要 3 分钟。
数组array和矩阵matrix的乘法略有不同,请自行体会
import numpy as npif 1: # numpy数组乘法 x1 = np.array([1, 2, 3, 4]) x1 = x1.reshape(1, -1) a1 = np.array([1, 2, 3, 4]) a1 = a1.reshape(1, -1) a1 = np.transpose(a1) print('x:\n', x1, '\nshape:', np.shape(x1)) print('a:\n', a1, '\nshape:', np.shape(a1)) value = x1 * a1 print(value) mulvalue = np.multiply(x1, a1) print(mulvalue) dotvalue = np.dot(x1, a1) print(dotvalue)if 1: x2 = np.matrix([1, 2, 3, 4]) a2 = np.matrix([1, 2, 3, 4]) a2 = np.transpose(a2) print('x2:\n', x2, '\nshape:', np.shape(x2)) print('a2:\n', a2, '\nshape:', np.shape(a2)) value = x2 * a2 print(value) mulvalue = np.multiply(x2, a2) print(mulvalue) dotvalue = np.dot(x2, a2) print(dotvalue)
结果
x: [[1 2 3 4]] shape: (1, 4)a: [[1] [2] [3] [4]] shape: (4, 1)[[ 1 2 3 4] [ 2 4 6 8] [ 3 6 9 12] [ 4 8 12 16]][[ 1 2 3 4] [ 2 4 6 8] [ 3 6 9 12] [ 4 8 12 16]][[30]]x2: [[1 2 3 4]] shape: (1, 4)a2: [[1] [2] [3] [4]] shape: (4, 1)[[30]][[ 1 2 3 4] [ 2 4 6 8] [ 3 6 9 12] [ 4 8 12 16]][[30]]
发表评论
最新留言
不错!
[***.144.177.141]2025年03月28日 19时30分25秒
关于作者

喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
Spring 框架基础(01):核心组件总结,基础环境搭建
2021-05-09
JavaEE基础(02):Servlet核心API用法详解
2021-05-09
SpringBoot2 整合Nacos组件,环境搭建和入门案例详解
2021-05-09
结构与算法(03):单向链表和双向链表
2021-05-09
Hadoop框架:MapReduce基本原理和入门案例
2021-05-09
ThreadPoolExecutor线程池任务执行失败的时候会怎样
2021-05-09
Sentry快速开始并集成钉钉群机器人
2021-05-09
Docker 服务
2021-05-09
第一眼就心动的人还怎么做朋友
2021-05-09
Cassandra数据建模
2021-05-09
Elasticsearch Web管理工具
2021-05-09
前端样式css问题记录
2021-05-09
Git 配置SSH公钥、私钥
2021-05-09
极客时间离线课堂
2021-05-09
Spring Session
2021-05-09
koa2 中间件里面的next到底是什么
2021-05-09
在create-react-app创建的项目下允许函数绑定运算符
2021-05-09
博客园新闻频道开始公开测试
2021-05-09
评论表聚集索引引起的评论超时问题
2021-05-09
博客园上海俱乐部4月份活动通知邀请函已经发出!
2021-05-09