对Python 中矩阵或者数组相减的法则详解
最近在做编程练习,发现有些结果的值与答案相差较大,通过分析比较得出结论,大概过程如下:
定义了一个计算损失的函数:
def error(yhat,label): yhat = np.array(yhat) label = np.array(label) error_sum = ((yhat - label)**2).sum() return error_sum
主要出现问题的是 yhat - label 部分,要强调的是一定要保证两者维度是相同的!这点很重要,否则就会按照python的广播机制进行运算,举个例子:
a = np.array([1,2,3]) a0 = np.array([[1],[2],[3]]) b = np.array([2,3,5,]) print(b-a) print(b-a0)
这里a的维度是(3,),因为是由列表转化成的数组(当然不是很推荐这种维度,因为很容易犯错),a0的维度是(3,1),b的维度是(3,),a与b的维度相同,在计算b-a的时候,结果显而易见:
b - a0 的结果:
产生这种结果的原因是因为由于维度不同,在计算的时候将b变为了与a0同样的3行的数组,变化后b的维度变为了(3,3),等同于如下的计算:
b = np.array([[2,3,5], [2,3,5], [2,3,5]]) a0 = np.array([[1], [2], [3]]) b - a0
结果仍然为:
以上这篇对Python 中矩阵或者数组相减的法则详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python中UserWarning:The NumPy module was
在 Python 项目中,我们经常需要导入许多库来完成各种任务,NumPy 作为一个核心的科学计算库,被广泛应用于数据处理和分析,然而,有时我们会遇到 NumPy 重载的警告,本文将详细讲解这一警告的原因,并提供解决方案,需要的朋友可以参考下2024-07-07
最新评论