机器学习算法实现python中常用的代码(持续更新)

  1. np.tile(A, reps) 复制array到指定的结构 doc

  2. numpy.argsort(a, axis=-1, kind='quicksort', order=None) 数组按数值排序后原index所在位置 doc

  3. D.get(k[,d]) -> D[k] if k in D, else d. d defaults to None. 获取字典中key对应的元素,如果key不在字典中,返回设定的默认值

  4. [(k, D[k]) for k in sorted(D, key=D.get, reverse=True)] 将dict按value值排序,sorted返回的结果是按value排序后的key值

  5. numpy中可以将array类型转换为mat类型,但是mat中的*运算默认为矩阵乘法,而array中的为点乘, mat实现点乘需要用np.multiply(mat1, mat2)
    mat是ndarray的子类,只能表示二维数据

  6. np.matnp.array: 在mat对象后面加 . A

  7. np.nonzero() 得到非零的index

需要注意的事项:

  1. 拼接两个ndarray,需要用np.concatenate
>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6]])
  1. np.dot(A, B):对于二维矩阵,计算真正意义上的矩阵乘积,同线性代数中矩阵乘法的定义。对于一维矩阵,计算两者的内积。
    实现对应元素相乘,有2种方式,一个是np.multiply(),另外一个是。需要注意的是mat的指的是矩阵乘法

你可能感兴趣的:(机器学习算法实现python中常用的代码(持续更新))