機器學習記錄
python 學習
- anacoda 安裝
- 關于numpy 和pandas的一些基礎內容可以看莫煩老師的博客
# -*- coding: utf-8 -*-
"""
Spyder EditorThis is a temporary script file.
"""
import matplotlib.pyplot as plt
import numpy as np
array=np.array([[1,2,3],[1,2,3]])
print (array)
'''維度\形狀\總的數目'''
print ("number of dim",array.ndim)
print("shape",array.shape)
print("size", array.size)
''' 定義精度 float32/64 int43/64)'''
b=np.array([1,2,3], dtype=np.float)
print("type\n", b.dtype)
'''定義全0 數組'''
c=np.zeros((4,3))
print ("全0\n",c)d=np.empty((4,3))
print("define 空矩陣\n", (d))e=np.arange(12)
f=np.arange(1,12,2)
g=(np.arange(1,12))
print(" 生成0-11",e,'\n',"1-11 步長2",f,'\n',"1-11",g)h=np.arange(12).reshape((3,4))
print("按著4*3生成矩陣\n",(h))
i=np.linspace(1,10,6)
print("1-10分5斷\n",i)'''array 的計算'''
j=np.array([1,2,3])
k=np.arange(3)
print(j,k,"和為", j+k,"subbtraction",j-k,"multiply",j*k,"power",j**2)l=10*np.sin(j)
print("計算sin\n",l)
print("計算大于一個數值，返回TRUE FALSE\n",l>5)
print("這個是jk對應值相乘\n",j*k)
print("ab vector multiply\n", np.dot(j,k))'''matrix multiply'''
m=np.array([[1,2],[1,2]])
n=np.array(([2,3],[2,3]))
print("矩陣乘積\n",np.dot(m,n))
print("矩陣乘積\n",m.dot(n))'''random 隨機生成2行死列0-1的隨機數，找最大最小值,加上axis 0 表示列中1表示行'''
p=np.random.random((2,4))
print("隨機生成矩陣\n",p)
print("求和 最小 最大 以及按列求還是按行求\n",np.sum(p),np.min(p),np.max(p,axis=0))'''matrix 索引最小'''
print("數值最小的小標",np.argmin(m))
print("數值最大的小標",np.argmax(m))
print("平均值",np.mean(m))
print("平均值",np.average(m))
print("中位數",np.median(m))'''矩陣值依次相加形成的數組\相減得到的數組\得到的第一個array是行的下標，第二個得到的數是列的下標/sort 每一行的排列'''
q=np.array([[1,2,3],[7,5,6]])
print(q)
print("矩陣一次加上一位形成\n",np.cumsum(q))
print("矩陣與前一位的差\n",np.diff(q))
print("非0中的數的下標，第一個array是非零的x值 第二個array 是非0的y值\n",np.nonzero(q))
print("對矩陣的每行進行排序\n",np.sort(q))
'''matrix的轉置'''
print("transpose1\n",np.transpose(q))
print("transpose2\n",q.T)
print("transpose cal\n",(q.T).dot(q),"=\n", np.dot((q.T),q))
'''np.clip(a,4,5)小于2的數字都寫成2，大于5的數字都寫成5，在中間的數字保留'''
print("clip 之后的結果為\n",np.clip(q,2,5))r=np.array([[1,2,3],[4,5,0],[7,8,9]])
print("列的平均值", np.mean(r,axis=0),r.dtype)
for column in r.T:
print("輸出列",column)
print("多維展開一維",r.flatten())y=np.array([[1,2,3],[4,2,0]])
t=np.array([[1,2,3],[1,5,0]])
e=np.vstack((y,t))
print("垂直合并數組",e)
e=np.hstack((y,t))
print("水平合并數組",e)
'''---------------------------------------------'''
print("DRAW")
x = np.linspace(-3, 3, 50)
y=2*x+1
plt.figure(num=3,figsize=(5,3))
plt.xlim((-1, 3))
plt.ylim((-2, 3))
plt.plot(x,y,color="red",linewidth=2.0,linestyle="--")
plt.xlabel('I am x')
plt.ylabel('I am y')plt.show()
（其中的一些筆記）
matplotlib 的顏色特征等參考
matplotlib 官網繪圖指南
詳細的小例子
矩陣切片
關于pca 中協方差筆記
https://blog.csdn.net/babywong/article/details/50085239
吳恩達機器學習的筆記及課后
https://blog.csdn.net/sdu_hao/article/details/84138502
總結
以上是生活随笔為你收集整理的机器学习吴恩达的全部內容，希望文章能夠幫你解決所遇到的問題。
如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。
