haleycat的博客

线性代数模块 估计线性模型中的系数：a=np.linalg.lstsq(x,b),有b=a*x 求方阵的逆矩阵：np.linalg.inv(A) 求广义逆矩阵：np.linalg.pinv(A) 求矩阵的行列式：np.linalg.det(A) 解形如AX=b的线性方程组：np.linalg.solve(A,b) 求矩阵的特征值：np.linalg.eigvals（A） 求特征值和特征向量：np.linalg.eig(A) Svd分解：np.linalg.svd(A) 例

在数据分析和机器学习中，大量的使用科学计算，Numpy提供了大型矩阵计算的方式，而这些是python标准库中所缺少的。Numpy也是许多优秀的第三方库的基础，依赖于Numpy的库非常多，后续会慢慢的进行介绍。 Numpy的安装 和许多的库一样，不管在windows平台下还是在linux平台下，安装Numpy的命令如下： pip install numpy 安装完以后： Collec

在Numpy中建立了数组或者矩阵后，需要访问数组里的成员，改变元素，并对数组进行切分和计算。 索引和切片 Numpy数组的访问模式和python中的list相似，在多维的数组中使用, 进行区分： 在python的list 下： a = [1,2,4] print a[2:] 打印出： [4] 这是一个数组，在Numpy的多维数组中也采用相同的模式进行数组的访问： impor

Numpy中经常使用到的两个模块是概率模块和线性代数模块，random 和 linalg 两个模块。 概率模块 产生二项分布的随机数：np.random.binomial(n,p,size=…)，其中n,p,size分别是每轮试验次数、概率、轮数 产生超几何分布随机数：np.random.hypergeometric(n1,n2,n,size=…)，其中参数意义分别是物件1总量、物件2总