Python的一些函数用法

from sklearn.model_selection import train_test_split

#把数据分成训练集和测试集

X_train, X_test, t_train, t_test = train_test_split(X, t, test_size=0.3)

X是输入，t是输出，自动将数据集分成训练集和测试集

--------------------------------------------------------------------------------------------

np.square(X)

把矩阵中每个元素都平方，返回这个矩阵

np.linalg.eig()

@ 是矩阵乘法的计算

        ——————————————————————————————————

dot()的使用

dot()返回的是两个数组的点积(dot product)

1.如果处理的是一维数组，则得到的是两数组的內积

In : d = np.arange(0,9)

Out: array([0, 1, 2, 3, 4, 5, 6, 7, 8])

In : e = d[::-1]

Out: array([8, 7, 6, 5, 4, 3, 2, 1, 0])

In : np.dot(d,e)

Out: 84

2.如果是二维数组（矩阵）之间的运算，则得到的是矩阵积（mastrix product）。

In : a = np.arange(1,5).reshape(2,2)

Out:

array([[1, 2],

       [3, 4]])

In : b = np.arange(5,9).reshape(2,2)

Out: array([[5, 6],

            [7, 8]])

In : np.dot(a,b)

Out:

array([[19, 22],

       [43, 50]])

—————————————————————————————————————————

numpy.random.randn(d0,d1,…,dn)

• randn函数返回一个或一组样本，具有标准正态分布。
• dn表格每个维度
• 返回值为指定维度的array

numpy.random.rand(d0,d1,…,dn)

• rand函数根据给定维度生成[0,1)之间的数据，包含0，不包含1
• dn表格每个维度
• 返回值为指定维度的array

来自

      -----------------------------------------------------------------------------------------------------------------------------

Cholesky分解

• L = numpy.linalg.cholesky(a) 返回正定矩阵a的 Cholesky 分解a = L*L.T，其中L是下三角。

来自

Np.permutation作用

Meshgrid前言

meshgrid函数就是用两个坐标轴上的点在平面上画网格(当然这里传入的参数是两个的时候)。当然我们可以指定多个参数，比如三个参数，那么我们的就可以用三个一维的坐标轴上的点在三维平面上画网格。

 

Plt.meshgrid的作用，把单独的横纵坐标组合在一起，每种x,y 都分别搭配一次

那对于三维来说，参数是三个一维数组，并且一维数组的形状分别是N，M，P，那么如果indexing = 'xy'的话返回的三个矩阵xv,yv,zv的形状都是(M,N,P)；如果indexing = 'ij'的话返回的是三个矩阵xv,yv,zv的形状都是(N,M,P)

来自