机器学习（2.1）数据知识积累——向量

向量

在数学中，几何向量（也称为欧几里得向量，通常简称向量、矢量），指具有大小（magnitude）和方向的量。

向量可以形象化地表示为带箭头的线段。箭头所指：代表向量的方向；线段长度：代表向量的大小。

向量的记法：印刷体记作粗体的字母（如 a、 b、 u、 v），书写时在字母顶上加一小箭头→。 ^[1]  如果给定向量的起点（A）和终点（B），可将向量记作AB（并于顶上加→）。给空间设一 直角坐标系，也能把向量以 数对形式表示，例如Oxy平面中(2,3)是一向量。

而在物理学和 工程学中，几何向量更常被称为矢量。许多 物理量都是矢量，比如一个物体的 位移，球撞向墙而对其施加的 力等等。与之相对的是 标量，即只有大小而没有方向的量。一些与向量有关的定义亦与物理概念有密切的联系，例如向量势对应于物理中的 势能。

几何向量的概念在 线性代数中经由抽象化，得到更一般的向量概念。此处向量定义为 向量空间的元素，要注意这些抽象意义上的向量不一定以数对表示，大小和方向的概念亦不一定适用。因此，平日阅读时需按照语境来区分文中所说的"向量"是哪一种概念。不过，依然可以找出一个向量空间的基来设置 坐标系，也可以透过选取恰当的定义，在向量空间上介定 范数和 内积，这允许我们把抽象意义上的向量类比为具体的几何向量。

主要公式请参考参考

1、向量表达

下面先看如何表达向量

x=np.array([5,5])#可以看做是从0,0 点 到 5,5的向量
y=np.array([5,0])#可以看做是从0,0 点 到 5,0的向量

任意一个一维数据可以看做是原点到N维空间的一条向量如下面：

x1=np.array([5,5,5,10])
y2=np.array([5,0,25,0])

2、计算内积

print np.dot(x,y)#内积计算,如果是一维数据基本是距离的平方
print x.dot(y)#也可以写成

3、计算模

求向量模，也叫向量长度，或者是从原点到目标的距离

print "------求向量模，也叫向量长度，或者是从原点到目标的距离--------"
print "x模长="+str(np.sqrt(x.dot(x)))
print "y模长="+str(np.sqrt(y.dot(y)))

4、通过以上我们可以求出夹角

根据向量公式：cosθ=向量a.向量b/|向量a|×|向量b| (注意是点乘)

cos_e=np.dot(x,y)/(np.sqrt(x.dot(x))*np.sqrt(y.dot(y)))
print "余弦值="+str(cos_e)
angle_pi=np.arccos(cos_e)#弧度
angle_e=angle_pi*(180/np.pi)#角度
print angle_pi
print angle_e

输出：

余弦值=0.707106781187
0.785398163397
45.0