From 6a5b4f9185cf7b23df44d5e39c69fef6a582c72a Mon Sep 17 00:00:00 2001 From: jiangzhonglian Date: Sun, 20 Sep 2020 23:28:00 +0800 Subject: [PATCH] =?UTF-8?q?=E6=B7=BB=E5=8A=A0=EF=BC=9AAI=E5=B8=B8=E7=94=A8?= =?UTF-8?q?=E5=87=BD=E6=95=B0=E8=AF=B4=E6=98=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- AI常用函数说明.md | 134 ++++++++++++++++++++++++++++++++++++++++++++++ README.md | 1 + 2 files changed, 135 insertions(+) create mode 100644 AI常用函数说明.md diff --git a/AI常用函数说明.md b/AI常用函数说明.md new file mode 100644 index 00000000..e35c1464 --- /dev/null +++ b/AI常用函数说明.md @@ -0,0 +1,134 @@ +# AI常用函数说明 + +## numpy 相关 + +> from numpy import random, mat, eye + +```py +''' +# NumPy 矩阵和数组的区别 +NumPy存在2中不同的数据类型: + 1. 矩阵 matrix + 2. 数组 array +相似点: + 都可以处理行列表示的数字元素 +不同点: + 1. 2个数据类型上执行相同的数据运算可能得到不同的结果。 + 2. NumPy函数库中的 matrix 与 MATLAB中 matrices 等价。 +''' +from numpy import random, mat, eye + +# 生成一个 4*4 的随机数组 +randArray = random.rand(4, 4) +# 转化关系， 数组转化为矩阵 +randMat = mat(randArray) +''' +.I 表示对矩阵求逆(可以利用矩阵的初等变换) + 意义: 逆矩阵是一个判断相似性的工具。逆矩阵A与列向量p相乘后，将得到列向量q，q的第i个分量表示p与A的第i个列向量的相似度。 + 参考案例链接: + https://www.zhihu.com/question/33258489 + http://blog.csdn.net/vernice/article/details/48506027 +.T 表示对矩阵转置(行列颠倒) + * 等同于: .transpose() +.A 返回矩阵基于的数组 + 参考案例链接: + http://blog.csdn.net/qq403977698/article/details/47254539 +''' +invRandMat = randMat.I +TraRandMat = randMat.T +ArrRandMat = randMat.A +# 输出结果 +print('randArray=(%s) \n' % type(randArray), randArray) +print('randMat=(%s) \n' % type(randMat), randMat) +print('invRandMat=(%s) \n' % type(invRandMat), invRandMat) +print('TraRandMat=(%s) \n' % type(TraRandMat), TraRandMat) +print('ArrRandMat=(%s) \n' % type(ArrRandMat), ArrRandMat) +# 矩阵和逆矩阵 进行求积 (单位矩阵，对角线都为1嘛，理论上4*4的矩阵其他的都为0) +myEye = randMat*invRandMat +# 误差 +print(myEye - eye(4)) +``` + +> np.dot + +```py +import numpy as np + +a = np.array([2, 3]) +b = np.array([4, 5]) +np.dot(a, b, out=None) #该函数的作用是获取两个元素a,b的乘积 + +Out[1]: 23 = 2*4 + 3*5 + +a = np.array([2, 3, 4]) +b = np.array([5, 6, 7]) +np.dot(a, b, out=None) #该函数的作用是获取两个元素a,b的乘积 + +Out[2]: 56 = 2*5 + 3*6 + 4*7 +``` + +> array sum/mean + +```py +import numpy as np + +# ---- sum ---- # +a = np.array([[2, 3, 4], [2, 3, 4]]) + +# 纵向求和: 0 表示某一列所有的行求和 +a.sum(axis=0) +Out[6]: array([4, 6, 8]) + +# 横向求和: 1 表示某一行所有的列求和 +a.sum(axis=1) +Out[7]: array([9, 9]) + + +# ---- mean ---- # +a = np.array([[2, 3, 4], [12, 13, 14]]) + +# 纵向求平均: 0 表示某一列所有的行求和 +a.mean(axis=0) +Out[13]: array([7., 8., 9.]) + +# 横向求平均: 1 表示某一行所有的列求平均 +a.mean(axis=1) +Out[14]: array([ 3., 13.]) + +``` + +> np.newaxis + +* numpy 添加新的维度: newaxis(可以给原数组增加一个维度) + +```py +import numpy as np + +In [59]: x = np.random.randint(1, 8, size=(2, 3, 4)) +In [60]: y = x[:, np.newaxis, :, :] +In [61]: Z = x[ :, :, np.newaxis, :] + +In [62]: x. shape +Out[62]: (2, 3, 4) + +In [63]: y. shape +Out[63]: (2, 1, 3, 4) + +In [64]: z. shape +Out [64]: (2, 3, 1, 4) +``` + +## keras 相关 + +> from keras.preprocessing.sequence import pad_sequences + +```python +from keras.preprocessing.sequence import pad_sequences + + +# padding: pre(默认) 向前补充0 post 向后补充0 +# truncating: 文本超过 pad_num, pre(默认) 删除前面 post 删除后面 +x = [[1,2,3,4,5]] +x_train = pad_sequences(x, maxlen=pad_num, value=0, padding='post', truncating="post") +print("--- ", x_train[0][:20]) +``` diff --git a/README.md b/README.md index a23c9e5f..fcb46b5c 100644 --- a/README.md +++ b/README.md @@ -41,6 +41,7 @@ * 面试求职: * 机器学习实战: * NLP教学视频: +* **AI常用函数说明**: ## 1.机器学习 - 基础