【Python】李宏毅ML2017作业整理-HW1

HW1

.sh调用python脚本的方式

• 在.sh文件中直接调用python脚本（无参数）

#!/bin/bash
python gd.py 

• 在.sh文件中调用python脚本，并直接传递参数的值

#!/bin/bash
python gd.py ./data/train.csv ./data/test.csv ./result/res.csv

• 在.sh文件中调用python脚本，并在执行时传递参数

#!/bin/bash
python gd.py $1 $2 $3
#执行命令：
# bash hw1.sh ./data/train.csv ./data/test.csv ./result/res.csv

# 在gd.py中获取传递过来的参数
#!/usr/bin/python
# -*- coding: UTF-8 -*-
import sys
inputTrain = sys.argv[1]
inputTest = sys.argv[2]
output = sys.argv[3]

其他相关方法参考：命令行运行Python脚本时传入参数的三种方式

numpy中的matrix与array的区别

np.matrices必须是2维的，但是 np.arrays (ndarrays) 可以是多维的。Matrix是Array的一个小的分支，包含于Array，所以matrix 拥有array的所有特性。
np.matrix的主要优势是：对应乘法用np.multiply()，矩阵乘法可以直接用*，而不用np.dot()。而np.arrays (ndarrays) 中的*表示对应乘法。

关于np.array

import numpy as np
x = np.array([[1,2],[3,4],[5,6]]) #a.shape (3,2)
wb = np.array([1,2])               #b.shape (2,)
wc = np.array([[1,2]])             #c.shape (1,2)
#矩阵乘法
np.dot(x,wb)  # (3,)
np.(x,wc.T)   # (3,1)
#矩阵求逆
np.linalg.inv(x) # (2,3)
#全零矩阵
np.zeros(3)
np.zeros((3,1))
#全1矩阵
np.ones(3)
np.ones((3,1))
#单位矩阵
np.eye(3)

特别注意代码中wb, wc两个数组的差别是：

• wb是一维的，wb.shape=(2, )，所以wb.T和wb是一样的。
• wc是二维的，wc.shape=(1,2)。

wb = [1 2]
wb.T = [1 2]
wc = [[1 2]]
wc.T = [[1] 
       [2]]

• numpy.meshgrid()生成网格点坐标矩阵, 查看详细理解过程
• numpy.random 模块，查看参考文章
• np.concatenate()数组拼接，查看参考文章