别再说学不会:超棒的Numpy可视化学习教程来了

别再说学不会:超棒的Numpy可视化学习教程来了
2019年08月01日 09:22 AI科技大本营

作者 | Jay Alammar

译者 | 苏南下

来源 | 机器会学ML(ID:AI_Learning007)

导读:学习 Python,尤其是基于 Python 的学习机器学习算法,最基础的 NumPy 用法必须得熟悉。网上这方面的教程不少,但大多千篇一律,枯燥罗列代码形式,而数组和矩阵本身有些抽象、难以理解的解读很少。

今天给各位介绍一个由国外大神制作的 NumPy 可视化教程,直观地介绍 NumPy 的各种用法,很容易就能理解。话不多说,一睹为快。

数组

先来介绍最基础的一维数组。

创建数组1、np.array() 直接创建

2、使用 np.ones()、np.zeros() 等方法

我们在写数组的时候是横着写的,而其实数组是列向量,这样很直观。

数组运算

1、加减乘除

2、数组乘以数值

数组索引

数组聚合

上面是一维数组,下面介绍二维维数组也就是矩阵的使用技巧。

矩阵创建矩阵

1、直接创建

2、使用 np.ones()、np.zeros() 等方法

这样就很容易理解括号里 (3,2) 的含义。

矩阵运算

矩阵点积

矩阵点积跟线性代数基本一样,有些抽象,借助示意图能很好理解:

进一步拆分解释:

矩阵索引

矩阵聚合

1、求最值

2、按行 / 列聚合

矩阵转置

矩阵重塑

1、reshape() 用法

高维数组

Numpy 不仅可以处理上述的一维数组和二维矩阵,还可以处理任意 N 维的数组,方法也大同小异。

创建多维数组

掌握了以上基础后,我们可以做个小练习,计算均方误差 MSE:

可以看到有减法、平方、求和等运算:

分别假设相应的预测值和真实值:

希望通过上面直观的描绘,让大家在 Numpy 时可以更轻松,理解也能更深一层!

原文地址:

https://jalammar.github.io/visual-numpy/

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部