numpy是python的乙個支援矩陣、向量運算的庫，由於python自帶的list不僅效率低，也不會將陣列看作矩陣或者向量，因此在機器學習中，使用numpy來作為運算元組及矩陣的工具
x=numpy.arange(10,(3,5))
x.ndim //x的維度
x.shape //x的各維度長度
x.size //x的總元素數量
使用x=x[:2,:2]獲取的x的子矩陣，當修改x時同樣會改變x的值，修改x也會改變x的值因此我們如果我們想獲得乙個和x無關的x的子矩陣，需要使用
x=x[:2,:2].copy()
使用y=x.reshape(5,3)可以將3*5的x矩陣改變為5*3的y矩陣，x的值不變y=x.reshape(5,-1)可以自動幫我們計算出，要將x轉換為5行，所需要的列數y依然變為5*3的矩陣
矩陣間所有直接使用運算子的運算都只會進行相應元素間的運算
例如
因此如果我們想要進行正常的矩陣運算，需要呼叫numpy支援的函式，例如乘法a.dot(b)
numpy支援將陣列作為索引來查詢array裡的值查詢的陣列甚至可以是布林陣列該比較方法可以推廣到所有比較符以及矩陣Python3入門機器學習 整合學習
整合學習是使用一系列學習器進行學習，並使用某種規則把各個學習結果進行整合從而獲得比單個學習器更好的學習效果的一種機器學習方法。準備資料 x,y datasets.make moons noise 0.3,n samples 500,random state 42 from sklearn.model...
Python3 入門學習
最近專案中使用到了 演算法，為了找到合適的引數，以及清楚地了解 d的運 況.因此想要將pid的資料 用上位機畫出來 以前都是使用串列埠來做的，但是現在的專案中，只有使用網口比較方便，這樣合適的上位機就 只好由自己來寫了 需求比較簡單只要將下位機傳送上來的特定資料，實時在電腦上繪製成曲線就可以了，不同...
Python3入門機器學習 模型泛化
模型正則化 在多項式回歸中如果degree過大，會造成過擬合的情況，導致模型 方差極大，因此，我們可以使用模型正則化的方式來減小過擬合導致的 方差極大的問題 即在我們訓練模型時，不僅僅需要將 的y和訓練集的y的均方誤差達到最小，還要使引數向量最小。即上圖公式。使用嶺回歸達到最小方差 from skl...