机器学习笔记1.2 SciPy

CLBTH

于 2021-12-29 16:07:46 发布

阅读量819

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习笔记文章标签：机器学习线性代数人工智能

本文链接：https://blog.youkuaiyun.com/slcod/article/details/122217982

机器学习笔记专栏收录该内容

9 篇文章

订阅专栏

这篇博客介绍了线性代数的基础操作，包括创建矩阵、计算行列式、求逆矩阵和获取特征值及特征向量。同时，通过Scipy的BFGS方法展示了如何求解二次函数的最小值，即梯度下降的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.线性代数

import numpy as np
from scipy import linalg

#创建矩阵
A = np.arrary([[1, 2], [3, 4]])
print(A)

#求解行列式
det = linalg.det(A)
print(det)

#求逆矩阵
A_inverse = linalg.inv(A)
print(A_inverse)

#特征值和特征向量
eigen_values, eigen_vectors = linalg.eig(A)
print(eigen_valuse, eigen_vectors)

2.梯度下降

使用BFGS法求解二次函数最小值

from scipy import optimize

#定义待优化的函数
def f(x):
    return x**2+2*2-1
#设置迭代中x的初始值
x_initial = 0
#使用BFGS法求解f（x）的最小值
solution = optimize.fmin_bfgs(f, x_initial)
print(solution)