文章
3111
标签
111
分类
73
首页
时间轴
标签
分类
关于
友链
Estom的博客
附录1
返回首页
搜索
首页
时间轴
标签
分类
关于
友链
附录1
发表于
2020-09-29
|
更新于
2020-09-29
|
线性代数
|
总字数:
9
|
阅读时长:
1分钟
|
浏览量:
线性代数的本质理解
文章作者:
Estom
文章链接:
https://estom.github.com/2020/09/28/%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0/%E9%99%84%E5%BD%951/
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Estom的博客
!
上一篇
20随机数
使用numpy产生随机数numpy中的random模块包含了很多方法可以用来产生随机数,这篇文章将对random中的一些常用方法做一个总结。 1、numpy.random.rand(d0, d1, …, dn) 作用:产生一个给定形状的数组(其实应该是ndarray对象或者是一个单值),数组中的值服从[0, 1)之间的均匀分布。 参数:d0, d, …, dn : int,可选。如果没有参数则返回一个float型的随机数,该随机数服从[0, 1)之间的均匀分布。 返回值:ndarray对象或者一个float型的值例子: 123456789101112# [0, 1)之间均匀分布的随机数,3行2列a = np.random.rand(3, 2)print(a)# 不提供形状b = np.random.rand()print(b)输出:[[0.26054323 0.28184468] [0.7783674 0.71733674] [0.90302256 0.49303252]]0.6022098740124009 2、numpy.random.uniform(low=0...
下一篇
8.回归
第8章 预测数值型数据: 回归回归(Regression) 概述我们前边提到的分类的目标变量是标称型数据,而回归则是对连续型的数据做出处理,回归的目的是预测数值型数据的目标值。 回归 场景回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。 假如你想要预测兰博基尼跑车的功率大小,可能会这样计算: HorsePower = 0.0015 * annualSalary - 0.99 * hoursListeningToPublicRadio 这就是所谓的 回归方程(regression equation),其中的 0.0015 和 -0.99 称作 回归系数(regression weights),求这些回归系数的过程就是回归。一旦有了这些回归系数,再给定输入,做预测就非常容易了。具体的做法是用回归系数乘以输入值,再将结果全部加在一起,就得到了预测值。我们这里所说的,回归系数是一个向量,输入也是向量,这些运算也就是求出二者的内积。 说到回归,一般都是指 线性回归(linear regression)。线性回归意味着可以将输入项分别乘以一些常量,再...
Estom
也许那年在绿色的麦浪中奔跑的时候,就注定了我此生的繁华与悲叹
文章
3111
标签
111
分类
73
关注
公告
欢迎参观Estom的小屋
目录
1.
线性代数的本质理解
最新文章
自引用泛型概述
2025-12-21
06 JUC并发容器
2025-12-18
02 集合底层结构
2025-12-18
30 问题排查和性能优化指南
2025-09-14
面试说明
2025-09-03
搜索
数据加载中