numpy中一些用法汇总

本篇文章用来总结在使用numpy库使用到的函数，方便自己回过头来查阅，在开始默认导入如下设置

import numpy as np

1. 奇异值分解会用到

numpy.linalg.svd(a, full_matrices=True, compute_uv=True)   

a : 维度大于等于2的矩阵

full_matrices： 默认为True ,用来表示u, vh是否维度分别为（M,M）和（N,N），不然的话维度就为（M,K）和（K,N）

compute_uv:  默认为True，是否在s外组合u和vh 

返回值为 

u : 是个（M,M）或者（M,K）的矩阵

s ：返回的是除了主对角线以外全为0，主对角线上的值被称为奇异值，这里返回的时候只返回奇异值数组，而且奇异值是从大到小排序的，这里在做奇异值能量占比的时候会使用到。

vh ： 是个（N,N）或者（K,N）的矩阵 

拓展：这里解释下SVD ，假设矩阵A 是一个m*n的矩阵，那么定义矩阵A的SVD为

 ,    所以上述的函数就是将一个矩阵进行分解，但是在实际的操作中是要将矩阵进行降维，降维主要是对中间的 进行调整，这是个对角矩阵，因为除了主对角线以外其余的元素全为0，而在做奇异值分解后实际返回的奇异值大小是从大往小排序的，我们在实际操作中只取前面的k个值，前10%的奇异值之和就占了全部奇异值之和的80%以上的比例，从而达到降维的效果。

进行降维后就可以这样来进行表示