搭建雅可比矩阵_机器学习 第84集：什么是黑塞矩阵？( 含有笔记、代码、注释 )...

什么是黑塞矩阵？

① 它是一个由多变量实值函数的所有二阶偏导数组成的方块矩阵。

注：德语：Hesse-Matrix；英语：Hessian matrix或Hessian），又译作海森矩阵、海塞矩阵或海瑟矩阵等。

② 假设有一实值函数

，如果

的所有二阶偏导数都存在并在定义域内连续，那么函数

的黑塞矩阵为：

注：或者使用下标记号表示为：

Python基础积累(pandas)

分类、表格名称重命名

import pandas as pd
df = pd.DataFrame({"id":[1,2,3,4,5,6], "raw_grade":['a', 'b', 'b', 'a', 'e', 'e']})
df

运行结果：

注：.DataFrame建立表格。

df["grade"] = df["raw_grade"].astype("category")
df["grade"]

运行结果：

0 a
1 b
2 b
3 a
4 e
5 e
Name: grade, dtype: category
Categories (3, object): [a, b, e]

注：把raw_grade类型转换为分类类型，这里分为了三类，分别为[a, b, e]。

df["grade"].cat.categories = ["very good", "good", "very bad"]

注：重命名类别名为更有意义的名称。

注：将a、b、e重命名为["very good", "good", "very bad"]。

df["grade"] = df["grade"].cat.set_categories(["very bad", "bad", "medium", "good", "very good"])
df["grade"]

运行结果：

0 very good
1 good
2 good
3 very good
4 very bad
5 very bad
Name: grade, dtype: category
Categories (5, object): [very bad, bad, medium, good, very good]

注：df["grade"].cat.set_categories(["very bad", "bad", "medium", "good", "very good"])使得grade中a—e对应这五个重命名的值。

注：重命名类别名为更有意义的名称。

注：df["grade"]再打印重命名后的grade值。

df
df.sort_values(by="grade")

运行结果：

注：.sort_values这里是按照grade顺序来排，也就是按从大到小，从e到a的顺序来排。

df.groupby("grade").size()

运行结果：

grade
very bad 2
bad 0
medium 0
good 2
very good 2
dtype: int64

注：按分类分组时，也会显示空的分类。

注：取得按照grade分类后情况，具有相同值得个数。

参考文献：

1. 知乎/致Great/雅可比矩阵、黑森矩阵、泰勒展开式

"♥每天积累一点点♥"