机器学习笔记 - python学习记录三 Python中的矢量化

        当我们必须处理大量数据集时,计算上非最优的函数可能会成为算法的巨大瓶颈,最终导致模型运行时间过长。为了确保代码计算效率高,我们将使用矢量化。任何算法执行的时间复杂度都非常重要,决定了应用程序是否可靠。在实时输出应用方面,尽可能在最佳时间内运行大型算法非常重要。为此,Python提供了一些标准数学函数,可以快速操作整个数据数组,而无需编写循环。包含此类函数的库之一是numpy。

        让我们看看如何在矢量化的情况下使用这个标准函数。

        矢量化用于加速 Python 代码,而无需使用循环。使用这样的函数有助于有效地减少代码的运行时间。对向量执行各种操作,例如向量的点积(也称为标量积,因为它产生单一输出)、外积(产生维度等于长度 X 向量长度的方阵)、元素逐乘(乘以相同索引的元素,矩阵维度保持不变)。

outer(a, b):计算两个向量的外积。
multiply(a, b):两个数组的矩阵积。
dot(a, b):两个数组的点积。
zeros((n, m)):返回给定形状和类型的矩阵,用零填充。
process_time():返回当前进程的系统和用户 CPU 时间总和的值(以秒为单位)。它不包括睡眠期间经过的时间。

点积<

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

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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