机器学习储备（7）：numpy一维数组和矩阵

Numpy 是用 python封装的科学计算库，是一个精简版matlab 。 下面总结下在模拟脊回归的超参数：收缩率，与权重参数的关系时，用到的一些numpy运算规则，顺便扩展下其他的相关运算。

1 矩阵相加

原来A和B还能这样相加，请看下列：

A = np.array( [1,2,3] )

np.shape(A)

(3,)

B= np.array([ [10],[11]] )

np.shape(B)

(2,1)

A+B

array([[11, 12, 13],

       [12, 13, 14]])

按照我们之前学习的线性代数中，矩阵的相加首先得满足A和B是同型矩阵才行，都是m行n列。所以在numpy操作以上两个数组时，显然不是线性代数意义上的同型矩阵，但是仍然可以相加，这是为什么呢。