Python数据分析 - 机器学习笔记：第一章数据分析 - 1.2.4.矩阵和矢量运算

前言：本文是学习网易微专业的《python全栈工程师》 中的《数据分析 - 机器学习工程师》专题的课程笔记，欢迎学习交流。

一、课程目标

• 掌握矩阵的创建方法
• 掌握矢量运算的基本方法

二、详情解读

2.1.掌握矩阵的创建方法

2.1.1.区分

• 矩阵：矩阵是numpy库的一种对象
• 矩阵 $\ne$ 二维数组

1.创建矩阵：

方法一：

import numpy as np
A = np.mat([1, 2, 3])

运行结果：

矩阵也有shape属性

A.shape

运行结果：

方法二：

B = np.mat('1 2 3; 4 5 6; 7 8 9')  # 方阵

运行结果：

方法三：

# 数组作为参数，创建矩阵
M1 = np.mat(np.eye(3))
M2 = 2 * M1

运行结果：


方法四：矩阵的合并

np.bmat('M1 M2; M2 M1')

运行结果：

2.矩阵间的乘法：

先初始化两个数组：

a = np.arange(1, 10).reshape((3, 3))
b = np.array([[1, 0, 1], [0, 1, 1], [1, 1, 0]])
print(a)
print('-'*10)
print(b)

运行结果：

两个数组用“*”相乘，对应元素相乘

a * b

运行结果：

两个矩阵用“*”相乘

A = np.mat(a)
B = np.mat(b)
A *　B

运行结果：

原理图解：

下面的计算与上述等价：

np.dot(a, b)

运行结果：

矩阵的转置：

A.T

运行结果：

2.2.矢量运算

2.2.1.标量积

• 标量积（英语：Scalar Product）是两个矢量相乘的一种方式和结果。
• 也被称为数量积、点积（英语：Dot Product）、内积（英语：Inner Product）。
• 按照这种方式两个矢量相乘的结果是一个标量。

代数理解：
假设两个矢量$\vec{a}=[a_1,a_2,a_3,...a_n]$ 和$\vec{b}=[b_1,b_2,b_3,....b_n]$，它们的点积定义为：
a ⃗ ⋅ b ⃗ = ∑ i = 1 n a i b i = a 1 b 1 + a 2 b 2 + . . . + a n b n \vec{a} \cdot \vec{b} = \sum_{i=1}^na_ib_i = a_1b_1 + a_2b_2 + ... + a_nb_n a ⋅b =i=1∑n​ai​bi​=a1​b1​+a