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<i>本文来源gaodai$ma#com搞$$代**码)网@</i>]])
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搞代码。

喜欢 (0)赏

[搞代码]

分享 (0)