开始之前
机器学习中的损失函数:
代码实现:
1 | logprobs = np.multiply(-np.log(a3),Y) + np.multiply(-np.log(1 - a3), 1 - Y) |
numpy 中 array 和 matrix 的区别:
matrix 是 array 的分支,matrix 和 array 操作在多数情况下都是一样的,但 array 操作更灵活,速度更快。
创建矩阵或数组
1 | import numpy as np |
1 | [2 3 4] |
广播运算
1 | # 广播运算 |
1 | array([0, 1, 2, 3]) |
矩阵乘法(元素乘、矩阵乘)
元素乘法:np.multiply(a,b)
矩阵乘法:np.dot(a,b) 或 np.matmul(a,b) 或 a.dot(b) 或直接用 a @ b !
唯独注意:*,在 np.array 中重载为元素乘法,在 np.matrix 中重载为矩阵乘法!
对于 np.array 对象
元素乘法 用 a*b 或 np.multiply(a,b)
1 | a |
矩阵乘法 用 np.dot(a,b) 或 np.matmul(a,b) 或 a.dot(b)或“@”
1 | np.dot(a,a) |
对于 np.matrix 对象
元素乘法 用 np.multiply(a,b)
1 | A |
矩阵乘法 用 “*”或“@” 或 np.dot(a,b) 或 np.matmul(a,b) 或 a.dot(b)
1 | A*A |
矩阵的其他操作(转置、求逆…)
1 | import numpy as np |
1 | [[1. 2.] |
- 本文作者: YuT
- 本文链接: https://ytno1.github.io/archives/745ee1a.html
- 版权声明: 本博客所有文章除特别声明外,均采用 MIT 许可协议。转载请注明出处!