【机器学习】基础库的学习

【机器学习】基础库的学习

一、numpy基础

1. 常使用的方法

import numpy as np
print(np.__version__)

numpy常定义的方法，通过version来查看其版本号

2. python list的特点

创建列表简单，在列表中可以不是数，列表中的元素可以是对应的字符串！虽然相对灵活，但是效率就会低下，在运行时判断是什么类型

L = [i for i in range(10)]
print(L)
print(L[5])
L[5] = "Machine Learning"
print(L[5])
print(L)

二、numpy.方法的学习

1. np.array

1）在机器学习中的array中只是只是看成数，不能是别的类型，所以在学习时候局限！（这个与python中不同）

arr = array.array([i for i in range(10)])
print(arr)
arr[5] = "Machine Learning"
print(arr[5])

2）当查看np.array的数值的时候我们可以得到是int类型，所以当我们赋值成浮点数的时候会产生自动的截位。

注意：在定义的时候如果有浮点数，那么该类型就是浮点型，如果是整型那么就是整数！

nparr = np.array([i for i in range(10)])
print(nparr)
nparr[5] = 3.14
print(nparr[5])

在numpy中有很多内置的函数，为我们提供了特殊的数组！

2. np.zeros

Z = np.zeros(10)
print(Z)

Z = np.zeros(10,dtype=int)
print(Z)

我们在结果中可以看出都是0.，所以默认产生的都是浮点数,这样如果我们想要的到int类型的矩阵时候，只需要在第二个参数中表达就好了。

上面是生成的是一维矩阵，想要生成二位的就需要将第一个参数补充完整。

Z = np.zeros(shape=(3,5),dtype=int)
print(Z)

这样就可以生成一个三行五列的矩阵。

3. np.ones()创建一个全都是1的矩阵