机器学习Day02

1. 传统编程

scores = [78,45,76,23,90]

#求个数
print(len(scores))

#求平均分
print(sum(scores)/len(scores))

#求最大值、最小值
print(max(scores))
print(min(scores))

#给每个同学加5分
print([score+5 for score in scores])

2. 科学计算

        向量化计算

        矩阵计算

        高性能计算

        线性代数

Numpy：

        科学计算神器

        通用科学计算库

        深度学习框架PyTorch，本质上是一个NumPy++

        胶水语言，适合快速搭建项目和工程

        容器：存储数据的一种格式，NDArray N维数组

        算法：各种数据处理算法

        将数据放到科学计算的容器里，再去调用科学计算的相关方法。

        我们现在写的不是代码，都是数学，底层跑的都是C++。

"""
2. 科学计算
"""
import numpy as np

scores = [78,45,76,23,90]
arr = np.array(scores)

print(arr)
print(arr.size)
print(arr.mean())
print(arr.var())
print(arr.max())
print(arr.std())
print(arr+5)

        arr + 5，简单的将每个元素加5。这属于广播机制，自动对齐，通过简单的行或列的复制，对齐形状，直接进行点对点计算。

随机数的概念

#连续均匀分布[0,1)
np.random.rand() #随机数盲盒

# 连续均匀分布[0,1)
np.random.rand() #随机数盲盒

# 离散均匀分布[low,high)，在[0,101)之间区30个整数
np.random.randint(low=0,high=101,size=30)

# n表示normal，是标准正态分布，也叫标准高斯分布，mu=0,sigma=1, 
 np.random.randn(10)