import numpy as np
做机器学习项目时候可能会用到这几个函数,现在记录下来,以下均举例说明。
一、np.cov
>>> cov = np.cov(X.T)
# 等价于以下操作
>>> cov1 = np.dot((X-mu).T, (X-mu)) / X.shape[0]
作用是求协方差矩阵。
二、np.linspace
>>> e = np.linspace(1, 2, num=10)
>>> e
array([1. , 1.11111111, 1.22222222, 1.33333333, 1.44444444,1.55555556, 1.66666667, 1.77777778, 1.88888889, 2. ])
作用是在最大和最小数中间生成num个数。
三、np.mgrid
>>> np.mgrid[0:3, 0:3]
array([[[0, 0, 0],
[1, 1, 1],
[2, 2, 2]],
[[0, 1, 2],
[0, 1, 2],
[0, 1, 2]]])
返回一个密集的网格。
四、np.dstack
>>> a = np.array((1,2,3))
>>> b = np.array((2,3,4))
>>> np.dstack((a,b))
array([[[1, 2],
[2, 3],
[3, 4]]])
>>> a = np.array([[1],[2],[3]])
>>> b = np.array([[2],[3],[4]])
>>> np.dstack((a,b))
array([[[1, 2]],
[[2, 3]],
[[3, 4]]])
将两个矩阵组合。
五、np.concatenate
作用是将矩阵拼接,在训练模型时候可能要将验证集和数据集合并,此时可以使用这个函数。
>>> a = np.array([[1,2,3,4],[5,6,7,8],[1,2,3,4]])
>>> b = np.array([[1,1,1,1],[2,2,2,2],[3,3,3,3]])
>>> c = np.concatenate((a, b), axis=0)
>>> c
array([[1, 2, 3, 4],
[5, 6, 7, 8],
[1, 2, 3, 4],
[1, 1, 1, 1],
[2, 2, 2, 2],
[3, 3, 3, 3]])