Python中关于array和matrix的矩阵运算小技巧

本文总结了在Python机器学习中遇到的矩阵运算问题,包括array和matrix的矩阵乘法、混合运算、sum与np.sum的区别以及一维array和matrix的赋值。建议使用np.matrix转换array,以避免矩阵运算中的混淆。
摘要由CSDN通过智能技术生成

前言:

在做机器学习中,常常需要用到矩阵的相乘,有时候会被array和matrix搞得晕头转向,这里总结了我在学习过程中遇到的一些技巧和踩过的坑


1:array的矩阵乘法

废话少说,直接上代码:

import numpy as np#先导入numpy库
f = np.array([[1,2],[3,4]])
d = f
a = d*f#对应元素的相乘
a1 = np.multiply(d, f)#和上面一样,也是对应元素按照位置相乘
print(a)
[[ 1  4]
 [ 9 16]]
print(a1)
[[ 1  4]
 [ 9 16]]
b = d @ f#矩阵相乘
b2 =np.dot(d, f)#矩阵相乘
print(b)
[[ 7 10]
 [15 22]]
print(b2)
[[ 7 10]
 [15 22]]
 #后面两个是按照矩阵乘法相乘

</

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值