python调用矩阵函数 python对矩阵的操作
Python sklearn.metrics模块混淆矩阵常用函数
1.accuracy_score(y_true, y_pred, normalize=True, sample_weight=None)
创新互联于2013年开始,先为阳城等服务建站,阳城等地企业,进行企业商务咨询服务。为阳城企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
参数分别为y实际类别、预测类别、返回值要求(True返回正确的样本占比,false返回的是正确分类的样本数量)
eg:
import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5
accuracy_score(y_true, y_pred, normalize=False)
2.classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2)
参数:真是类别,预测类别,目标类别名称
eg:
3.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
输出为混淆矩阵
eg:
太多了,写3个常用的吧,具体参考help(metrics)
defcm_plot(y,yp):#参数为实际分类和预测分类
fromsklearn.metricsimportconfusion_matrix
#导入混淆矩阵函数
cm = confusion_matrix(y,yp)
#输出为混淆矩阵
importmatplotlib.pyplotasplt
#导入作图函数
plt.matshow(cm,cmap=plt.cm.Greens)
# 画混淆矩阵图,配色风格使用cm.Greens
plt.colorbar()
# 颜色标签
forxinrange(len(cm)):
foryinrange(len(cm)):
plt.annotate(cm[x,y],xy=(x,y),horizontalalignment='center',verticalalignment='center')
#annotate主要在图形中添加注释
# 第一个参数添加注释
# 第一个参数是注释的内容
# xy设置箭头尖的坐标
#horizontalalignment水平对齐
#verticalalignment垂直对齐
#其余常用参数如下:
# xytext设置注释内容显示的起始位置
# arrowprops 用来设置箭头
# facecolor 设置箭头的颜色
# headlength 箭头的头的长度
# headwidth 箭头的宽度
# width 箭身的宽度
plt.ylabel('True label')# 坐标轴标签
plt.xlabel('Predicted label')# 坐标轴标签
returnplt
#函数调用
cm_plot(train[:,3],tree.predict(train[:,:3])).show()
python 怎么实现矩阵运算
1.numpy的导入和使用
data1=mat(zeros((
)))
#创建一个3*3的零矩阵,矩阵这里zeros函数的参数是一个tuple类型(3,3)
data2=mat(ones((
)))
#创建一个2*4的1矩阵,默认是浮点型的数据,如果需要时int类型,可以使用dtype=int
data3=mat(random.rand(
))
#这里的random模块使用的是numpy中的random模块,random.rand(2,2)创建的是一个二维数组,需要将其转换成#matrix
data4=mat(random.randint(
10
,size=(
)))
#生成一个3*3的0-10之间的随机整数矩阵,如果需要指定下界则可以多加一个参数
data5=mat(random.randint(
,size=(
))
#产生一个2-8之间的随机整数矩阵
data6=mat(eye(
,dtype=
int
))
#产生一个2*2的对角矩阵
a1=[
]; a2=mat(diag(a1))
#生成一个对角线为1、2、3的对角矩阵
在Python中使用矩阵,需要调用什么库函数:
numpy库的mat函数
import numpy as np
matrix = np.mat([[1, 2, 3], [4, 5, 6]])
print matrix
print type(matrix)
结果为:
[[1 2 3]
[4 5 6]]
class 'numpy.matrixlib.defmatrix.matrix'
python中的矩阵运算
NumPy支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
首先安装NumPy,安装过pandas,它会自动安装它的依赖,就不需要安装NumPy了。
python怎么实现矩阵的除法
1、首先打开pycharm软件,新建一个python文件并导入numpy库。
2、然后创建矩阵A,这里先创建一个两行两列的数组,在用numpy的mat函数将数组转换为矩阵。
3、接着计算矩阵A的逆矩阵,逆矩阵是通过A.I求得。
4、求出了矩阵A的逆矩阵后,用矩阵B乘以这个逆矩阵就是矩阵的除法了,即为矩阵B除以矩阵A的值。
如何使用python表示矩阵
使用python表示矩阵的方法:
使用“import numpy”语句导入numpy包。用numpy包的array函数创建一个二维数组,这个二维数组就表示矩阵
示例代码如下:
执行结果如下:
分享标题:python调用矩阵函数 python对矩阵的操作
文章路径:http://pwwzsj.com/article/hiighs.html