机器学习之随笔

本文探讨了Python中机器学习的基础概念,包括len(matrix)与len(matrix[0])的区别,lambda函数与reduce函数的应用,matrix与list的shape和len,numpy的arange函数以及plt.scatter()函数的详细参数解析。通过实例展示了如何使用这些工具,强调了在实际操作中需要注意的细节。
摘要由CSDN通过智能技术生成

1. len(matrix)与len(matrix[0])的区别

  如下图所示: len(matrix)是行

                         len(matrix[0])是列

2. lambda函数和reduce函数

        1)lambda函数:lambda函数是匿名的:所谓匿名函数,通俗地说就是没有名字的函数。lambda函数没有名字

一些lambda函数实例:

lambda x, y: x*y;函数输入是x和y,输出是它们的积x*y

lambda:None;函数没有输入参数,输出是None

lambda *args: sum(args); 输入是任意个数的参数,输出是它们的和(隐性要求是输入参数必须能够进行加法运算)

lambda **kwargs: 1;输入是任意键值对参数,输出是1

     2)reduce函数是python中的一个二元内建函数,它可以通过传给reduce中的函数(必须是二元函数)依次对数据集中的数据进行操作。

如下图:

上述代码传给reduce的函数是做乘法,数据集是a,那么reduce函数的作用就是将数据集中的数据依次相乘,最后打印出的结果就是3*2*5 = 30

3. matrix和list(shape和len)(本人比较谜的点^.^

4. getA()函数

是将一个numpy矩阵转换成数组,与mat函数功能相反,如果不转,矩阵的每个元素将无法取出,会造成越界的问题

5. python numpy函数:arange()

       arange()函数用于创建等差数组,arrange函数和range函数很像,但arange()是Numpy库中的函数,其返回值是数组对象,使用时需先引入numpy,返回值是一个数组对象,而range函数是python的内置函数,返回值是range对象。

      两个函数都支持迭代,都支持输入三个参数,以第一个参数为起点,第二个参数是终止点,但本身并不包括在内,第三个参数表示步长。

      range()不支持步长为小数,np.arange()支持步长为小数。

6.plt.scatter()函数各参数详解

其中x,y是相同长度的数组序列,是输入数据,形如shape(n,)数组

s:标量或形如shape(n,)数组,可选,默认:20(就是size)

c(color):色彩或颜色序列,可选

                    颜色参数:b---blue;  c---cyan;  g---green;  m---magenta;  r---red;  w

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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