What

Content

Python, Machine Learning, Machine Learning, Statistiques Mémo d'apprentissage Python pour Machine Learning par Chainer Chapitre 8 Introduction à Numpy Cet article résume les points que j'ai remarqués et recherchés lors de l'apprentissage de l'apprentissage automatique avec Chainer. Je vais. Cette fois, j'étudierai Numpy. Il est rédigé d'après ma compréhension, il se peut donc qu'il soit incorrect. Je corrigerai toutes les erreurs, veuillez me pardonner. Qu'est-ce que Numpy? Un algorithme qui gère l'analyse de régression, une bibliothèque qui peut facilement gérer des tableaux multidimensionnels?

Chargement de modules dans des programmes Python

import numpy as np

Après avoir lu le texte, je ne pouvais pas comprendre la différence entre la bibliothèque et le module, alors je l'ai recherché. Article de référence ci-dessous https://qiita.com/yutaro50/items/f93893a2d7b23cb05461 Les tensols sont gérés par tableau.

Comment gérer le tenseur

 a = np.array([1, 2, 3])　#Définir une matrice de format Numpy
 a.shape => #Forme de sortie comme taple
 a.rank => #Rang de sortie
 a.size =>#Taille de sortie Nombre de données
 a.ndim =>  #Sortie len
 a = np.zeros((3, 3)) => #Matrice zéro 3x3
 a = np.ones((2, 3)) => #Une matrice avec tous les éléments 2x3
 a = np.full((3, 2), 9) => #Une matrice avec les 9 éléments 3x2
 a = np.eye(5)          => #Matrice d'unité 5x5
 a = np.random.random((4, 5)) => #4x5 avec 0 élément~Matrice déterminée par un nombre aléatoire de 1
 a = np.arange(3, 10, 1) => #Vecteur de ligne augmentant de 1 de 3 à 10
 a = np[0,3] => #Valeur dans la 1ère ligne et la 4ème colonne
 #↓ Je ne comprends pas cette explication><
 #4 x 5 2 x 3 au milieu de la matrice e=Extraire 6 valeurs
 center = e[1:3, 1:4]
 a[[0, 2, 1], [1, 1, 0]] => # (1, 2), (3, 2), (2, 1)Sortir les éléments de sous forme de vecteur de ligne

De plus, vous pouvez également exécuter quatre règles L'addition et la soustraction peuvent être effectuées même si la forme de la matrice est différente = diffusion Au contraire, un calcul involontaire peut se produire. Mise en garde

Calcul du produit matriciel AB

np.dot(A,B) or A.dot(B) #En tous cas
np.dot(X.T, X)          #Calculer le produit de la matrice transposée de la matrice X et X
np.linalg.inv(A)        #Calculer l'inverse de la matrice A

Notez l'ordre car la loi de change ne tient généralement pas

Revenons ici quand vous avez du mal à gérer la procession

Comment Le contenu est devenu difficile, donc la fréquence de mise à jour a baissé, mais faisons de notre mieux