我是Python的新手，想為正常方程編寫代碼。代碼如下，請提供一些關于編碼的建議和反饋。謝謝！def norm_equ(x, y):
x_input = pd.DataFrame(x)
x_input = (x_input - x_input.mean())/x_input.std()
x_0 = np.ones((len(x_input), 1))
x_new = np.hstack((x_0, x_input))
temp1 = np.linalg.pinv(np.dot(np.transpose(x_new), x_new))
temp2 = np.dot(temp1, np.transpose(x_new))
theta = np.dot(temp2, y) return theta我的問題是關于：如何在數據中添加$ X_0 $？除了 data.frame 數據結構之外，還有其他工作方式嗎？提前感謝您的幫助。
2 回答
滄海一幻覺
TA貢獻1824條經驗 獲得超5個贊
我舉了一些如何使用numpy的例子，希望它能回答你的問題。通常，對于數值運算，對于numpy，對于更通用的運算（字符串，聚合等），則用于熊貓。一般來說，pandas很適合準備數據并將其傳遞到更低級別的數據結構，例如numpy到更重的計算
你問1）使用哪種數據結構？去多維數組在麻木
2）如何獲取列數？對于一個 np.數組，你只需要使用 .shape，它是 （dim1， dim2 .... ） 的元組通常 （n_rows， cols）
3）是一個1維的np.數組，這就是為什么你有這樣的形狀（n_rows，），所以如果你打印y，你會看到一個矢量...所以你只有一列。np.數組在開始時可能會令人困惑，因為允許您創建比向量或矩陣（如張量）更通用的東西，這將是形狀（x，y，z）的np.數組。因此，談論形狀的np.數組的列是有道理的（n_rows，n_cols）
4） 如果列 std（） 為 0，則所有實例都是相同的，因此基本上沒有意義將此規范化應用于 1 列。（只需跳過它）
更詳細地說，通常標準化列的目標是使列中的值落在值范圍內。即介于 0 和 1 之間。例如，這是在機器學習中完成的，以避免具有較大值的訓練數據的列（特征）對模型的影響大于具有較小值的模型。您可以注意到，您正在應用的規范化不會強制列位于 [0， 1] 中。因此，強制進行歸一化，并且不會像其他規范化（除非max和min = 0）那樣給出除法誤差將是：
x_raw = (x_raw - x_raw.min())/(x_raw.max() - x_raw.min())
print(x_raw)
import numpy as np
def norm_equ(x, y):
temp1 = np.linalg.pinv(np.dot(np.transpose(x), x))
temp2 = np.dot(temp1, np.transpose(x))
theta = np.dot(temp2, y)
return theta
# create a matrix 50x10 random matrix
x_raw = np.random.random([50,10])
y = np.random.random([50])
print(x_raw.shape) #-----> (50, 10)
print(y.shape) #-----> (50, ) a vec "50 x 1"
# transform raw input
x_norm = (x_raw - x_raw.mean())/x_raw.std()
x_0 = np.ones((x_norm.shape[0],1))
x_input = np.hstack((x_0, x_norm))
print(x_input.shape) #-----> (51, 11)
theta = norm_equ(x_input, y)
print(theta.shape) #-----> (11, )
# load from csv file
arrays_from_file = np.loadtxt(fname="dummy.csv",
delimiter=",",
skiprows=1)
y = np.random.random([arrays_from_file.shape[0]])
print(arrays_from_file.shape) #-----> (2, 6)
print(y.shape) #-----> (2, )
another_theta = norm_equ(arrays_from_file, y)
print(another_theta.shape) #-----> (6, )
SMILET
TA貢獻1796條經驗 獲得超4個贊
為什么要將 x 轉換為數據幀？似乎它應該只是一個numpy數組，給定其余的代碼。
如果你想要一個有三列的數據幀，那么它將是
df = pd.DataFrame({'x_input': x, 'x_0': 1})
df['x_input_norm'] = df['x_input'] - df['x_input'].mean() / df['x_input'].std()
添加回答
舉報
0/150
提交
取消