【机器学习】常用函数汇总（持续更新……）

numpy.exp()

返回e的幂次方，e是一个常数为2.71828
举例：numpy.exp()

np.dot()

矩阵相乘
【要点】
1、前者的列数=后者的行数—>才能相乘
2、前者的行数、后者的列数–>结果矩阵
3、前者第一行，与后者所有列分别计算，得到结果第一行。
前者第二行，与后者所有列分别计算，得到结果第二行。
【计算示例】

计算过程：

np.linalg.inv()

矩阵求逆
【要点&例举】
1、矩阵的逆：等于伴随矩阵除以行列式

2、伴随矩阵：主交换，副变号

3、行列式：主相乘-副相乘
|A| = 1×4-2×3=-2
4、结果：

plt.scatter()

用于生成一个scatter散点图
【Python 中的 plt.scatter 函数详解】

plt.plot()

用于画图，可以绘制点和线
plt.plot() 函数详解（本站）
版权链接：plt.plot() 函数详解（知乎）

数组转换

1、将数据框中的值提取为一个二维数组

2、将二维数组转换为numpy数组

3、将数组转换为矩阵

import numpy as np
import pandas as pd

# 读取数据并存储在数据框中
df = pd.read_csv('data.csv')

# 将数据框中的值提取为一个二维数组
array = df.values

# 将二维数组转换为numpy数组
numpy_array = np.array(array)

# 可选地，调整数组形状
reshaped_array = numpy_array.reshape((m, n))  # m和n为矩阵的行数和列数

# 将数组转换为矩阵
matrix = np.mat(reshaped_array)

pd.concat()

数据连接
最简单常用的只需要记住：
1、只有两个数据集参数的时候，就是竖向连接：
res1 = pd.concat([df1,df2])
这时候就是没写 axis，因为默认 axis=0。
2、有 axis=1 的时候，就横向拼接：
res = pd.concat([df1,df2], axis=1)
更详细的请参阅：[Pandas] 数据连接pd.concat

pd.get_dummies()

独热编码（One-Hot Encoding）函数，将数据取值范围映射到（0到1）之间。
更详细的请参阅：pd.get_dummies()

（持续更新……）