李宏毅机器学习实战代码篇——作业笔记

1.python的一些用法

np.arange(start,stop,step,dtype):return array 

Return evenly spaced values within a given interval.
Values are generated within the half-open interval [start, stop）

 

np.zeros(shape, dtype=None, order='C')

Return a new array of given shape and type, filled with zeros.
shape : int or tuple of ints
Shape of the new array, e.g., (2, 3) or 2.
dtype : data-type, optional
The desired data-type for the array, e.g., numpy.int8. Default is numpy.float64.
order : {'C', 'F'}, optional, default: 'C'
Whether to store multi-dimensional data in row-major (C-style) or column-major (Fortran-style) order in memory.

 

np.meshgrid(*xi, **kwargs)

Return coordinate matrices from coordinate vectors.(从坐标向量返回坐标矩阵)

 

import matplotlib.pyplot as plt

plt.contourf：画三维等高线

plt.plot：画点

plt.xlim: limit of x（x轴取值范围）,plt.ylim同理

plt.xlabel(r'$b$') Set the x-axis label of the current axes.（设置x轴标签）

plt.show()：display the figure

2.自己犯的错误：在设置y轴范围是将(-5,5)写成了(-5,-5)，导致图像怎么画都不正确，一度怀疑是数据出错了，结果只是手动设置范围时出错

 

3.

import numpy as np

np.random.shuffle(X)

对数组的第一维度进行随机打乱，即在训练中打乱每个样本的顺序，经常在epoch之后使用，充分打乱数据可以增加训练的多样性

4. python一次可以返回多个参数

def func_test():
 return (1,2,3)
test1, test2, test3 = func_test()

5.np.concatenate：拼接数组，axis=0表示拼接行，axis=1表示拼接列

a = np.array([[1,2],[3,4]])
b = np.array([[5,6]])
np.concatenate((a,b),axis = 0)
array([[1, 2],
       [3, 4],
       [5, 6]])
np.concatenate((a,b.T),axis = 1)
array([[1, 2, 5],
       [3, 4, 6]])
# 作为参数的数组形状必须要一致

6.np.std：计算标准差，无axis表示全局标准差，axis = 0表示每列的标准差，axis=1表示每行的标准差

>>> a = np.array([[1,2],[3,4]])
>>> np.std(a)
1.118033988749895
>>> np.std(a,axis=0)
array([1., 1.])
>>> np.std(a,axis=1)
array([0.5, 0.5])
#方差=标准差的平方

7.np.tile：复制数组，np.tile(a,2)表示将column复制2倍，np.tile(b,(2,1))：将row复制2倍，将column复制1倍

>>> b = np.array([[1,2],[3,4]])
>>> np.tile(b,2)
array([[1, 2, 1, 2],
       [3, 4, 3, 4]])
>>> np.tile(b,(2,1))
array([[1, 2],
       [3, 4],
       [1, 2],
       [3, 4]])

8.reshape：改变数组的维度

   np.squeeze()：把shape中为1的维度去掉

>>> e = np.arange(10)
>>> e
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> e.reshape(1,1,10)
array([[[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> e.reshape(1,10,1)
array([[[0],
        [1],
        [2],
        [3],
        [4],
        [5],
        [6],
        [7],
        [8],
        [9]]])
>>> np.squeeze(e)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

9.np.clip(num,bound1,bound2)

给定区间[bound1,bound2]，如果num<bound1，num=bound1；如果num>bound2，num=bound2

>>> np.clip(0.5555,0,1)
0.5555