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/
4000520066 欢迎批评指正
All Rights Reserved 新浪公司 版权所有