numpy庫(kù)的mat函數(shù)
成都創(chuàng)新互聯(lián)公司是一家集成都網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站、網(wǎng)站頁(yè)面設(shè)計(jì)、網(wǎng)站優(yōu)化SEO優(yōu)化為一體的專業(yè)的建站公司,已為成都等多地近百家企業(yè)提供網(wǎng)站建設(shè)服務(wù)。追求良好的瀏覽體驗(yàn),以探求精品塑造與理念升華,設(shè)計(jì)最適合用戶的網(wǎng)站頁(yè)面。 合作只是第一步,服務(wù)才是根本,我們始終堅(jiān)持講誠(chéng)信,負(fù)責(zé)任的原則,為您進(jìn)行細(xì)心、貼心、認(rèn)真的服務(wù),與眾多客戶在蓬勃發(fā)展的市場(chǎng)環(huán)境中,互促共生。
import?numpy?as?np
matrix?=?np.mat([[1,?2,?3],?[4,?5,?6]])
print?matrix
print?type(matrix)
結(jié)果為:
[[1 2 3]
[4 5 6]]
class 'numpy.matrixlib.defmatrix.matrix'
使用python表示矩陣的方法:
使用“import numpy”語(yǔ)句導(dǎo)入numpy包。用numpy包的array函數(shù)創(chuàng)建一個(gè)二維數(shù)組,這個(gè)二維數(shù)組就表示矩陣
示例代碼如下:
執(zhí)行結(jié)果如下:
1.numpy的導(dǎo)入和使用
data1=mat(zeros((
)))
#創(chuàng)建一個(gè)3*3的零矩陣,矩陣這里zeros函數(shù)的參數(shù)是一個(gè)tuple類型(3,3)
data2=mat(ones((
)))
#創(chuàng)建一個(gè)2*4的1矩陣,默認(rèn)是浮點(diǎn)型的數(shù)據(jù),如果需要時(shí)int類型,可以使用dtype=int
data3=mat(random.rand(
))
#這里的random模塊使用的是numpy中的random模塊,random.rand(2,2)創(chuàng)建的是一個(gè)二維數(shù)組,需要將其轉(zhuǎn)換成#matrix
data4=mat(random.randint(
10
,size=(
)))
#生成一個(gè)3*3的0-10之間的隨機(jī)整數(shù)矩陣,如果需要指定下界則可以多加一個(gè)參數(shù)
data5=mat(random.randint(
,size=(
))
#產(chǎn)生一個(gè)2-8之間的隨機(jī)整數(shù)矩陣
data6=mat(eye(
,dtype=
int
))
#產(chǎn)生一個(gè)2*2的對(duì)角矩陣
a1=[
]; a2=mat(diag(a1))
#生成一個(gè)對(duì)角線為1、2、3的對(duì)角矩陣
python中的矩陣中的low是lower函數(shù)。Python中l(wèi)ower()函數(shù)的作用是把一個(gè)字符串中所有大寫形式的字符變?yōu)樾懶问?,并生成源字符串的一個(gè)副本。lower()函數(shù)在很多場(chǎng)合起著重要的作用。
1.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)
參數(shù)分別為y實(shí)際類別、預(yù)測(cè)類別、返回值要求(True返回正確的樣本占比,false返回的是正確分類的樣本數(shù)量)
eg:
import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5
accuracy_score(y_true, y_pred, normalize=False)
2.classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2)
參數(shù):真是類別,預(yù)測(cè)類別,目標(biāo)類別名稱
eg:
3.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
輸出為混淆矩陣
eg:
太多了,寫3個(gè)常用的吧,具體參考help(metrics)
defcm_plot(y,yp):#參數(shù)為實(shí)際分類和預(yù)測(cè)分類
fromsklearn.metricsimportconfusion_matrix
#導(dǎo)入混淆矩陣函數(shù)
cm = confusion_matrix(y,yp)
#輸出為混淆矩陣
importmatplotlib.pyplotasplt
#導(dǎo)入作圖函數(shù)
plt.matshow(cm,cmap=plt.cm.Greens)
# 畫混淆矩陣圖,配色風(fēng)格使用cm.Greens
plt.colorbar()
# 顏色標(biāo)簽
forxinrange(len(cm)):
foryinrange(len(cm)):
plt.annotate(cm[x,y],xy=(x,y),horizontalalignment='center',verticalalignment='center')
#annotate主要在圖形中添加注釋
# 第一個(gè)參數(shù)添加注釋
# 第一個(gè)參數(shù)是注釋的內(nèi)容
# xy設(shè)置箭頭尖的坐標(biāo)
#horizontalalignment水平對(duì)齊
#verticalalignment垂直對(duì)齊
#其余常用參數(shù)如下:
# xytext設(shè)置注釋內(nèi)容顯示的起始位置
# arrowprops 用來(lái)設(shè)置箭頭
# facecolor 設(shè)置箭頭的顏色
# headlength 箭頭的頭的長(zhǎng)度
# headwidth 箭頭的寬度
# width 箭身的寬度
plt.ylabel('True label')# 坐標(biāo)軸標(biāo)簽
plt.xlabel('Predicted label')# 坐標(biāo)軸標(biāo)簽
returnplt
#函數(shù)調(diào)用
cm_plot(train[:,3],tree.predict(train[:,:3])).show()
本文標(biāo)題:python矩陣函數(shù) python求矩陣
瀏覽路徑:http://www.muchs.cn/article24/doodsje.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供面包屑導(dǎo)航、網(wǎng)站排名、網(wǎng)站內(nèi)鏈、網(wǎng)站設(shè)計(jì)公司、商城網(wǎng)站、品牌網(wǎng)站建設(shè)
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請(qǐng)盡快告知,我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如需處理請(qǐng)聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時(shí)需注明來(lái)源: 創(chuàng)新互聯(lián)