先開啟pyhton
>>> from numpy import * 引入numpy函式庫所有模組
>>> random.rand(4,4) 隨機建立4x4矩陣
>>> randmat=mat(random.rand(4,4)) 賦值語句
>>> randmat.i 矩陣求逆
>>> invrandmat=randmat.i 賦值語句
>>> randmat*invrandmat 矩陣相乘（矩陣乘以它的逆矩陣結果應當是單位矩陣（除了對角線元素是1,4x4矩陣其他元素應該全是0））
>>> myeye=randmat*invrandmat 賦值語句
>>> myeye-eye(4) eye（4）的作用是建立乙個4x4大小的單位矩陣
下面是執行結果，另一方面，如果這些函式都能正常執行，說明已經正確安裝numpy函式庫，否則，請移步
>>> 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]])
Python nump學習筆記3
reshape是numpy中的乙個關鍵使用，通過reshape可以實現將array屬性轉換 比如vector numpy.arange 9 此時vector中存放的資料型別應該為一維向量 0,1,2,3,4,5,6,7,8 matrix vector.reshape 3,3 第乙個3表示3行，第二個...
Python機器學習篇
四年前，因為自己看了鋼鐵俠的系列電腦，開始真正的接觸ai，還記的那時候觸控夢想的激動的心情，想了很久不知道未來是什麼樣的，自己也不知道真正做什麼好，到底適合做什麼，可是我很明白四年前做的那個決定，可以讓自己保持興奮和有意義的事情。其實我知道的我可能做不到我想要的，就算在這麼努力也不可能，但是我即使做...
機器學習篇 boosting
boosting是ensemble整合方法之一，引入函式空間概念，使用損失函式的導數，採用迭代思想優化弱分類器 1 模型 加法模型，即基分類器組合 一般為決策樹 可分類可回歸 判別模型 2 策略 引入前向分步演算法，讓加法模型中每一輪增加的部分由該輪的決策樹決定 分類問題時，最小化指數損失函式，即是...