机器学习入门———01

本文介绍了如何使用NumPy进行矩阵转换、创建特定矩阵、矩阵运算等操作,并详细解释了几种常见的距离计算方法,包括欧式距离、曼哈顿距离及切比雪夫距离等。

将数组转化为矩阵:np.mat(mylist)

np.zeros([3,5]):3列5行的零矩阵

np.ones([3,5]):3列5行的1矩阵

np.eye(3)   3*3单位矩阵

sum(mymatrix):矩阵个元素之和

multipy(matrix1,matrix2)矩阵各元素之积

matrix.T:矩阵转置

linalg.det(matrix):行列式

linalg.inv():逆

linalg.matrix_rank()秩

 L2范数:linalg.norm()

闵可夫斯基距离:一组距离的公式

当闵可夫距离系数p为1时,就是曼哈顿距离

为2时,是欧式距离

为正无穷时,就是切比雪夫距离

欧式距离(L2范数):距离公式

曼哈顿距离(L1范数)

切比雪夫距离(L正无穷范数)

几何夹角余弦:dot((v1,v2)/(linalg.norm(v1)*linalg.norm(v2)))

转载于:https://www.cnblogs.com/love-xi/p/7324368.html

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
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