SVM算法Python实现语句细节

import numpy as np

dataMatrix = np.mat(dataMatIn)  # 将列表转化为矩阵存放
 m, n = np.shape(dataMatrix)  # 计算矩阵行列数
alphas = np.mat(np.zeros((m, 1)))  # 生产列向量，并用0初始化
for i in range(m)  # 生成0到m-1的列表[0,1,...,m-1]，并逐个遍历

fxi = float(np.multiply(alphas, labelMat).T * (dataMatrix * dataMatrix[i, :].T)) + b 

                               # multiply运算结果为矩阵的对应元素相乘，要求矩阵规模一样