机器学习数学基础——Python矩阵运算

最新推荐文章于 2022-03-26 09:22:16 发布
最新推荐文章于 2022-03-26 09:22:16 发布
阅读量423 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Mjing11/article/details/115448533
版权
本文介绍了Python中进行矩阵运算的基础知识，包括创建和操作矩阵、矩阵乘法、转置、求方阵的迹、行列式的计算、逆矩阵和伴随矩阵的求解，以及如何解一元多次方程。通过numpy库，详细展示了各种矩阵运算的实现步骤和性质验证。
摘要由CSDN通过智能技术生成

文章目录

一、Python矩阵运算

引入numpy

import numpy as np

1.1、Python矩阵操作

①使用mat函数创建一个2X3矩阵

import numpy as np
a=np.mat([[1,2,3],[4,5,6]])
a

在这里插入图片描述
②使用shape可以获取矩阵大小

a.shape

在这里插入图片描述
③使用下标读取矩阵中的元素

a.T

在这里插入图片描述
④进行行列转换

a.transpose()
a.T

在这里插入图片描述

⑤使用二维数组代替矩阵

b=np.array([[1,2,3],[4,5,6]])
b

在这里插入图片描述

b.T

在这里插入图片描述

⑥加减法

a+a
b+b

在这里插入图片描述
在这里插入图片描述

c=[[1,2,3],[4,5,6]]
c
最低0.47元/天 解锁文章
叽叽歪歪唧唧
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习数学基础之python矩阵运算
zby9928的博客
04-05 844
在Jupyter中写下你的Python矩阵基本运算的学习记录。按照附件1提供的参考资料，把七个实验完整地实践练习一遍。 基础实验：Python 矩阵基本运算.doc Jupyter写技术文档.docx 解释微分、梯度的含义？ 什么是梯度下降法？ 1）用梯度下降法手工求解 参考: https://www.jianshu.com/p/424b7b70df7b 2）在Excel里用牛顿法、或者梯度下降法求解 z=2(x-1)2+y2 的近似根。 参考附件 梯度下降法-excel演示.xlsx 线性回.
Python的常用数据操作——矩阵
deyuan1991的博客
01-21 617
1. 求和 A.sum() 计算矩阵A的每一个元素之和。 A.sum(axis=0) 计算矩阵每一列元素相加之和。 A.Sum(axis=1) 计算矩阵的每一行元素相加之和。 2. clip操作 numpy.clip(a,a_min,a_max,a=None) 调整数组a的范围，将位于区间外的数值修改为区间端点值。 不修改原始数据： data = np.arange(10) data...
python中矩阵的基本运算方法
WYKB_Mr_Q的博客
10-25 509
这里讲的主要是针对二维矩阵 假设存在一个3*3的矩阵： import numpy as np a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] mat = np.matrix(a) print("得到的矩阵为：\n", mat) 得到的矩阵为： [[1 2 3] [4 5 6] [7 8 9]] 相关计算方法 求每行元素之和： hang = mat.sum(axis=1) 求每列元素之和： lie = mat.sum(axis=0) 求每行元素的平均值： hang
Python数组与矩阵操作
liyuqian199695的博客
12-27 1367
Python数组与矩阵操作 1、MATLAB的基于矩阵的操作，而numpy多是基于数组的操作，numpy的索引从0开始。 import numpy as np  impor scipy as sp （1）建立矩阵 a=np.array([1,2,3],dtype=int)   #建立一个一维数组，数据类型是int。也可以不指定数据类型，使用默认。 示例 i
numpy求矩阵的逆和伪逆
weixin_41855010的博客
07-20 4830
我们可以使用np.linalg中的inv和pinv函数来求解矩阵的逆/伪逆。 np.linalg.inv 对于可逆方阵M，我们使用下面这行代码求逆： np.linalg.inv(J(theta)) 示例： import numpy as np M = [ [0.866,-0.5,0], [0.5,0.866,0], [0,0,1] ] print(f"The inverse of M is \n{np.linalg.inv(M)}") 当然也可以为了可读性在import的时候直接从numpy.li
机器学习数学基础之Python矩阵运算
zero01_的博客
04-05 145
Jupyter的七个基本实验 矩阵的加减行列转换： 具体代码 import numpy as np a = np.mat([[1, 2, 3], [4, 5, 6]]) a.shape a.T b = np.array([[1, 2, 3], [4, 5, 6]]) a + b a - b 运行结果： 矩阵乘法 A = np.array([[1, 2, 3], [4, 5, 6]]) B = A.T 2 * A np.dot(A, B) np.dot( B, A) C = np.array(
Python 机器学习——线性代数和矩阵运算 从matlab迁移到python
hftytf的博客
11-12 1095
Python 机器学习——线性代数和矩阵运算 从matlab迁移到python
机器学习数学基础之线代篇——线性代数python手册（建议收藏）
mint1993的专栏
09-05 3306
提到线性代数，又不得不吐槽国内教材了，学起来真的是实力劝退。有多少跟着国内教材学完线性代数课程后，知道线性代数是什么，它到底是干什么的？ 事实上如果你后面想做科研、想研究机器学习、深度学习，你会发现处处是线性代数。这么抽象又重要的课程，一本书里基本看不到几张图，就好比是没有注释的代码，大概以为我的脑子就是记公式的机器吧… 如果你还未开始学习线性代数，那么强烈建议你把学校发的紫色教材放在一边，找几本国外的线性代数教材看看。然后在B站里搜一下Gilbert Strang老爷子的线性代数视频(麻省理工公开课，80
使用numpy对矩阵进行求逆
龙进的博客
11-19 1万+
昨晚算一道线性代数的题目的时候，算了半天，答案错了。验算了一下，觉得错误应该是出在矩阵求逆的地方。但是真的求逆太慢了，（主要是头晕），那怎么办呢？ 突然想起numpy这个超强大的科学计算库，于是乎就用几行代码写了一个矩阵求逆的程序。 import numpy as np a = np.array([[1, 1, 1], [0, 0.5, -2], [0, 1, 1]]) print(a) print('-----------') print(np.linalg.inv(a)) 我输入的是一个3
Numpy 中的矩阵求逆
weixin_36670529的博客
03-26 6228
1. 矩阵求逆 import numpy as np a = np.array([[1, 2], [3, 4]]) # 初始化一个非奇异矩阵(数组) print(np.linalg.inv(a)) # 对应于MATLAB中 inv() 函数 # 矩阵对象可以通过 .I 更方便的求逆 A = np.matrix(a) print(A.I) 2. 矩阵求伪逆 import numpy as np # 定义一个奇异阵 A A = np.zeros((4, 4)) A[0, -1] = 1
numpy的矩阵求逆
qq_41978896的博客
11-03 1万+
numpy的矩阵求逆 numpy中有np.linalg.inv()方法可以直接求逆，但是有时候原矩阵是无法直接求逆的，强行使用该方法会导致较大的误差；这时可以使用SVD矩阵分解的方法，舍去相关特征： matrix u, s, v = np.linalg.svd(matrix, full_matrices=False)#截断式矩阵分解 inv = np.matmul(v.T * 1 / s, u.T)#求逆矩阵 ...
python矩阵中插入矩阵_Python | 矩阵的痕迹
cumudi0723的博客
07-31 481
python矩阵中插入矩阵The sum of diagonal elements of a matrix is commonly known as the trace of the matrix. It is mainly used in eigenvalues and other matrix applications. In this article, we are going to fin...
pytorch计算矩阵的迹
VIEO
03-01 4114
x=torch.rand(3,3) print(x) print(x.trace())#求矩阵的迹（对角线元素之和）； print(x.diag())#对角线元素之和； print(x.inverse())#求矩阵的逆； print(x.triu())#求矩阵的上三角 print(x.tril())#求矩阵的下三角； print(x.t())#矩阵的转置； y=torch.rand(3,1) print(x.mm(y))#矩阵乘法； ...
21_Numpy进行矩阵运算（逆矩阵，行列式，特征值等）
热门推荐
qq_18351157的博客
08-17 2万+
21_Numpy进行矩阵运算（逆矩阵，行列式，特征值等） 使用NumPy在Python中执行矩阵运算很方便。 可以使用标准的Python列表类型实现二维数组（列表列表），但是NumPy可以用于轻松计算矩阵乘积，逆矩阵，行列式和特征值。 NumPy具有通用多维数组类numpy.ndarray和矩阵（二维数组）专用类numpy.matrix。 ndarray和matrix都可以执行矩阵（二维数组）操作（矩阵乘积，逆矩阵等），但是使用矩阵可以更轻松地编写代码。 如果您经常计算矩阵乘积和逆矩阵，则矩阵可能更易于描述
numpy 线性方程组求解、矩阵数乘、矩阵乘法、逆矩阵、方阵LU分解
段智华的博客
03-29 1万+
numpy 线性方程组求解、矩阵数乘、矩阵乘法、逆矩阵、方阵LU分解代码如下：# 3x + y = 9 # x + 2y = 8 import numpy as np import scipy as scipy from scipy import linalg a = np.array([[3,1],[1,2]]) b = np.array([9,8]) result = np.linalg....
Python矩阵基本运算与梯度下降法
eininbebop的博客
04-05 1835
Python矩阵基本运算 （一）python矩阵操作 先引入numpy，以后的教程中，我们都引用为np作为简写 使用mat函数创建一个2X3矩阵 import numpy as np a = np.mat([[1, 2, 3], [4, 5, 6]]) a 3. 使用shape可以获取矩阵的大小 4. 使用下标读取矩阵中的元素 .5. 进行行列转换： a.transpose() （二）python矩阵乘法 使用二维数组创建两个矩阵A和B A = np.array([[1, 2, 3],
numpy之矩阵基本操作（加减乘，转置，求逆）
weixin_44183162的博客
04-12 7454
import numpy as np #矩阵创建 matrix1 = np.mat(“1 2 3;4 5 6;7 8 9”) print(matrix1,type(matrix1)) matrix2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]]) print(matrix2) arr1 = np.eye(3) arr2 = 3*np.eye(3) matrix3 = ...
Python入门与Numpy矩阵运算在机器学习中的应用
"Python语言与numpy库的文档详细介绍了Python的基础知识和Numpy库在数据处理与机器学习...通过学习Python基础、Numpy的矩阵运算和数据挖掘与机器学习的基本概念，读者可以为进一步的科学研究或工程实践打下坚实的基础。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值