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。