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]]
上一篇:线性模型理解(二):用基函数获得多维的参数
下一篇:PYTHON UDP只能接收本地报文,无法接收其他主机通过路由器发过来的报文

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