机器学习|机器学习学习算法|python

前置函数

numpy.shape[0] 为第一维长度(行长度),numpy.shape[1]为第二维长度(列长度)

array= numpy.array([[1,3,4],[1,45,6]]) print(array) print(array.shape)

[[ 134] [ 1 456]] (2, 3)

2.numpy.tile
原型：numpy.tile(A,reps)
tile共有2个参数，A指待输入数组，reps则决定A重复的次数。整个函数用于重复数组A来构建新的数组。
参数(1,2) 1是重复行 2是重复列

array= numpy.array([[1,3,4],[1,45,6]]) a= numpy.tile(array,(2,2)) print(a)

[[ 134134] [ 1 4561 456] [ 134134] [ 1 4561 456]]

sum(axis=1) axis = 0: 按列计算，axis = 1: 按行计算

array= numpy.array([[1,3,4],[1,45,6]])b=array.sum(axis=1) print(b)

[ 8 52]

array= numpy.array([[1,3,4],[1,45,6]])b=array.sum(axis=0) print(b)

[ 2 48 10]

numpy.argsort()
argsort函数返回的是数组值从小到大的索引值

参数axis=1按行排序 axis=0按列排序

#按行 array= numpy.array([[1,3,4],[1,45,6]])print(array.argsort(axis=1))#[[0 1 2] [0 2 1]] #按列 array= numpy.array([[1,3,4],[1,45,6]])print(array.argsort(axis=0)) #[[0 0 0] [1 1 1]]

给一维数组排序

array2=numpy.array([1,3,3,2,55,4])a=numpy.argsort(-array2) print(a) #[4 5 1 2 3 0]

【机器学习|机器学习学习】返回的还是索引值

举个简单的例子，我们可以使用k-近邻算法分类一个电影是爱情片还是动作片。
函数代码

import numpy import gmpy2def createData(): data=https://www.it610.com/article/numpy.array([[2,104],[5,85],[108,5],[115,8]]) labels =['爱情片','爱情片','动作片','动作片'] return data,labelsdef classify(inX,dataSet,labels,k): #inX 测试集 dataSet 训练集上面group 上面labels k 选择距离最小的k个点 dataSetSize=dataSet.shape[0]#c.shape[0] 为第一维的长度，c.shape[1] 为第二维的长度。sub_data= https://www.it610.com/article/numpy.tile(inX,(dataSetSize,1))-dataSet#将第一行复制dataSetSize 到多行,列也是这里是1 不复制 pow_data =sub_data**2 print(pow_data)line_add = pow_data.sum(axis=1) #行相加distances = line_add ** 0.5 #print(distances) sortedDistIndices = distances.argsort() sortedDistIndices=numpy.argsort(-sortedDistIndices) print(sortedDistIndices) dict_count = { } for i in range(k): # 取出前k个元素的类别 voteIlabel = labels[sortedDistIndices[i]]dict_count[voteIlabel] = dict_count.get(voteIlabel, 0) + 1 print(dict_count)sortedClassCount = sorted(dict_count.items(), key=lambda x:x[1], reverse=True) return sortedClassCountif __name__ =='__main__': text=[101,20] #训练集 dataSet,labels=createData() print(classify(text,dataSet,labels,3))