Python向量算法实现

一、代码展示

class Vector:
    def __init__(self,a):
        self.a = a

    def jia(self,v_b):
        c1 = (self.a[0] + v_b.a[0])
        c2 = (self.a[1] + v_b.a[1])
        return (c1, c2)

    def jian(self, v_b):
        c1 = (self.a[0] - v_b.a[0])
        c2 = (self.a[1] - v_b.a[1])
        return (c1, c2)

    def diancheng(self, v_b):
        c = (self.a[0] * v_b.a[0] + self.a[1] * v_b.a[1])
        return c

if __name__ == "__main__":
    a = eval(input("请输入向量a:"))
    b = eval(input("请输入向量b:"))
    v_a = Vector(a)
    v_b = Vector(b)
    print("加:", v_a.jia(v_b))
    print("减:",v_a.jian(v_b))
    print("点乘:", v_a.diancheng(v_b))

二、运行演示:

三、解释说明

这是一个名为`Vector`的Python类,用于表示二维向量。它包含以下方法:

- `__init__(self, a)`: 构造函数,用于初始化向量对象。参数`a`是一个包含两个元素的元组,表示向量的两个分量。
- `jia(self, v_b)`: 加法方法,用于计算当前向量与另一个向量`v_b`的和。返回一个包含两个元素的元组,表示结果向量的两个分量。
- `jian(self, v_b)`: 减法方法,用于计算当前向量与另一个向量`v_b`的差。返回一个包含两个元素的元组,表示结果向量的两个分量。
- `diancheng(self, v_b)`: 点乘方法,用于计算当前向量与另一个向量`v_b`的点积。返回一个标量值,表示点积的结果。

四、注意事项

- 请确保传递给`Vector`类的参数`a`是一个包含两个元素的元组,否则在调用方法时可能会出现错误。
- 本代码仅适用于二维向量。

支持向量机(Support Vector Machine, SVM)是一种常用的机器学习算法,可以用于分类和回归任务。在Python中,我们可以使用多个库来实现支持向量算法。 其中,scikit-learn(sklearn)是一个广泛使用的机器学习库,它提供了许多常用的机器学习算法实现,包括支持向量机。你可以使用sklearn.svm模块下的SVC类来实现支持向量算法。以下是一个使用sklearn实现支持向量算法的示例代码: ```python from sklearn import svm import numpy as np # 准备训练数据 X = np.array([[0, 0], [1, 1]]) y = np.array([0, #### 引用[.reference_title] - *1* *3* [实验六 支持向量机](https://blog.csdn.net/qq_53944577/article/details/121739933)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [python numpy库的使用 python基础,演示了numpy库的使用,提供python2例程代码,适合初学者](https://download.csdn.net/download/li171049/88225556)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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