小编HAL*_*001的帖子

如何在没有科学记法和精确度的情况下漂亮打印numpy.array?

我很好奇,是否有任何方式打印格式化numpy.arrays,例如,以类似于这样的方式:

x = 1.23456
print '%.3f' % x
Run Code Online (Sandbox Code Playgroud)

如果我想打印numpy.array浮点数,它会打印几个小数,通常采用"科学"格式,即使对于低维数组也很难读取.但是,numpy.array显然必须打印成一个字符串,即用%s.这有解决方案吗?

python numpy pretty-print python-2.x

295
推荐指数
9
解决办法
33万
查看次数

python中的线性代数

鉴于高m by n矩阵X,我需要计算s = 1 + x(X.T X)^{-1} x.T.这里x是行向量并且s是标量.有没有一种有效的(或推荐的)方法来在python中计算它?

不用说,X.T X将是对称肯定的.

我的尝试:

如果我们考虑QR分解X,即,X = QR哪里Q是正交,R则是上三角形,则X.T X= R.T R.

QR可使用可以容易地得到分解numpy.linalg.qr,即

Q,R = numpy.linalg.qr(X)
Run Code Online (Sandbox Code Playgroud)

但话又说回来,是否有一种特别有效的计算方法inv(R.T R)

python math floating-point numpy linear-algebra

5
推荐指数
1
解决办法
298
查看次数

Python 使用正则表达式将文本拆分为标记

嗨,我有一个关于将字符串拆分为令牌的问题。

这是一个示例字符串:

string =“我在等的时候,从一个侧屋出来一个人,我一眼就确定他是龙约翰。他的左腿被臀部切掉了,左肩下拿着拐杖,他非常灵巧,像一只鸟一样在上面跳来跳去。他很高,很强壮,有一张火腿那么大的脸——素净而苍白,但聪明而微笑。的确,他看起来心情最愉快,当他在桌子之间走动时吹口哨,为他的客人中更受宠爱的客人吹口哨或拍拍肩膀。”

我正在尝试string正确拆分为其令牌。

这是我的功能 count_words

def count_words(text):
    """Count how many times each unique word occurs in text."""
    counts = dict()  # dictionary of { <word>: <count> } pairs to return
    #counts["I"] = 1
    print(text)
    # TODO: Convert to lowercase
    lowerText = text.lower()
    # TODO: Split text into tokens (words), leaving out punctuation
    # (Hint: Use regex to split on non-alphanumeric characters)
    split = re.split("[\s.,!?:;'\"-]+",lowerText)
    print(split)
    # TODO: Aggregate word counts using a dictionary
Run Code Online (Sandbox Code Playgroud)

split这里的结果 …

python regex

5
推荐指数
1
解决办法
3985
查看次数

封闭形式岭回归

我无法理解实现多岭回归的函数的输出。我正在 Python 中从头开始为该方法的封闭形式执行此操作。这个封闭的表格如下所示:

封闭形式

我有一个训练集X100 rows x 10 columns和向量y100x1

我的尝试如下:

def ridgeRegression(xMatrix, yVector, lambdaRange):
    wList = []

    for i in range(1, lambdaRange+1):
        lambVal = i

        # compute the inner values (X.T X + lambda I)
        xTranspose = np.transpose(x)
        xTx = xTranspose @ x
        lamb_I = lambVal * np.eye(xTx.shape[0])

        # invert inner, e.g. (inner)**(-1)
        inner_matInv = np.linalg.inv(xTx + lamb_I)

        # compute outer (X.T y)
        outer_xTy = np.dot(xTranspose, y)

        # multiply together
        w = inner_matInv …
Run Code Online (Sandbox Code Playgroud)

python regression numpy machine-learning linear-algebra

5
推荐指数
1
解决办法
1562
查看次数