从机器学习学python(四)——numpy矩阵广播及一些技巧

从机器学习学python(四)

——numpy矩阵广播及一些技巧

(原创内容,转载请注明来源,谢谢)

在学ng的深度学习微专业时,其中有几节课讲到numpy的一些基本用法,主要是广播。

1、基本运算

考虑下面一个3*4的矩阵,要给每列求和,并且要求出每个元素占本列的百分比,这里不需要用到for循环,直接用numpy的方法即可。

假设矩阵A是3*4的矩阵,则B=A.sum(axis=0)返回的是对矩阵A每一列求和结果的行向量,同理A.sum(axis=1)返回的是对矩阵A每一行求和结果的列向量。

接下来要求百分比,就用到广播的概念,由于A是3*4的矩阵,B是1*4矩阵,在数学上A/B是没法进行的,但是numpy中,如果用A/B,则会把B扩充成3*4的向量,然后再对应元素相除。

2、广播的通用规则

对于(m,n)矩阵A,(1,n)矩阵B,A与B进行运算(包含加减乘除,下同),则都会将B扩充成(m,n),且每一行的值都一样,都是由第一行扩充出来的。

这并不会改变B的值,而是在内存中进行临时的扩充,目的是为了计算出结果。

同理,B是(m,1)时,会扩充成(m,n)。另外行、列向量,对一个实数进行加减乘除,则会将实数扩充成同等形状的行、列向量后,再运算,具体见下图:

3、一些建议

ng给的一个建议,是最好不要用到秩是1的矩阵,而要将其转为n行1列的矩阵,这样计算起来比较不容易发生问题。

下面是不好的示例,可以看到由于秩是1,故转置前后矩阵是一样的:

下面是好的示例:

当已经有一个秩是1的矩阵,也可以通过reshape方法将其转为正常的矩阵:

——written by linhxx 2018.01.31

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180131G0H0P800?refer=cp_1026

相关快讯

扫码关注云+社区