机器学习相关函数（一）——基础函数

1、np.eye()

参考网址：https://docs.scipy.org/doc/numpy/reference/generated/numpy.eye.html#numpy.eye

简介

返回一个主对角线为一，其余为零的矩阵。

基本形式

numpy.eye(N, M=None, k=0, dtype=<class 'float'>, order='C')

参数

参数	作用
N	返回矩阵的行数
M	返回矩阵的列数，默认和行数相等
k	对角线的索引：0（默认值）指的是主对角线，正值指的是上对角线，负值指的是下对角线
dtype	返回数组的数据类型
order	输出以行主（row-major；'C'）还是列主（column-major；'F'）的形式被储存

例子

>>> np.eye(4)
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]])

>>> np.eye(4,M=2)
array([[1., 0.],
       [0., 1.],
       [0., 0.],
       [0., 0.]])

>>> np.eye(4,k=1)
array([[0., 1., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.],
       [0., 0., 0., 0.]])

>>> np.eye(4,k=-2)
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [1., 0., 0., 0.],
       [0., 1., 0., 0.]])

>>> np.eye(4,dtype=int)
array([[1, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 0, 1, 0],
       [0, 0, 0, 1]])

 

2、coo_matrix()&csr_matrix()

参考网址：https://docs.scipy.org/doc/scipy/reference/sparse.html

简介

两者都是建立悉数矩阵的函数，不同之处在于存储矩阵的方式不同。(转自https://www.cnblogs.com/xbinworld/p/4273506.html)

coo是最简单的一种格式，每一个元素需要用一个三元组来表示，分别是（行号，列号，数值），对应上图右边的一列。这种方式简单，但是记录单信息多（行列），每个三元组自己可以定位，因此空间不是最优。

 

CSR是比较标准的一种，也需要三类数据来表达：数值，列号，以及行偏移。CSR不是三元组，而是整体的编码方式。数值和列号与COO一致，表示一个元素以及其列号，行偏移表示某一行的第一个元素在values里面的起始偏移位置。如上图中，第一行元素1是0偏移，第二行元素2是2偏移，第三行元素5是4偏移，第4行元素6是7偏移。在行偏移的最后补上矩阵总的元素个数，本例中是9。

例子

#之前的矩阵转换成稀疏矩阵记录方式
>>> sparse_matrix = sparse.csr_matrix(eye)
>>> print(format(sparse_matrix))
(0, 0)	1.0
(1, 1)	1.0
(2, 2)	1.0
(3, 3)	1.0

#造一个稀疏矩阵
>>> row  = np.array([0, 3, 1, 0])
>>> col  = np.array([0, 3, 1, 2])
>>> data = np.array([4, 5, 7, 9])
>>> coo_matrix((data, (row, col)), shape=(4, 4)).toarray()
array([[4, 0, 9, 0],
       [0, 7, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 5]])

 

3、np.ones()

简介

返回一个充满1的给定形式的数组

基本形式

numpy.ones(shape, dtype=None, order='C'）

参数

参数	作用
shape	确定行数、列数
dtype	返回数组的数据类型
order	输出以行主（row-major；'C'）还是列主（column-major；'F'）的形式被储存

例子

>>> np.ones(5)
array([ 1.,  1.,  1.,  1.,  1.])

>>> np.ones((5,), dtype=np.int)
array([1, 1, 1, 1, 1])

>>> np.ones((2, 1))
array([[ 1.],
       [ 1.]])

>>> s = (2,2)
>>> np.ones(s)
array([[ 1.,  1.],
       [ 1.,  1.]])

 

4、np.arange()

参考网址：https://docs.scipy.org/doc/numpy/reference/generated/numpy.arange.html

简介

返回一个一维数组

基本形式

numpy.arange([start, ]stop, [step, ]dtype=None）

参数

参数	作用
start	开始的值。开始包括此值。默认起始值​​为0。
stop	间隔结束。间隔不包括此值，除非在某些情况下，step不是整数，浮点舍入会影响out的长度
step	值之间的间距。是两个相邻值之间的距离。默认步长为1。如果将step指定为位置参数，则还必须给出start
dtype	输出数组的类型。如果未给出，则从其他输入参数推断数据类型。

例子

>>> np.arange(3)
array([0, 1, 2])

>>> np.arange(3.0)
array([ 0.,  1.,  2.])

>>> np.arange(3,7)
array([3, 4, 5, 6])

>>> np.arange(3,7,2)
array([3, 5])