728x90
numpy로 4 by 3 행렬 만들기 (행이 4개 열이 3개)
>>> import numpy as np
>>> A = np.array([[1,-1,2],[3,2,2],[4,1,2],[7,5,6]])
>>> A
array([[ 1, -1, 2],
[ 3, 2, 2],
[ 4, 1, 2],
[ 7, 5, 6]])
numpy로 3 by 2 행렬 만들기
>>> B = np.array([[0,1],[-1,3],[5,2]])
>>> B
array([[ 0, 1],
[-1, 3],
[ 5, 2]])
numpy로 random 행렬만들기
>>> c = np.random.rand(3,5)
>>> c
array([[0.78099123, 0.15433555, 0.84418358, 0.73594807, 0.87864263],
[0.74796388, 0.87427555, 0.8106429 , 0.5625985 , 0.46615913],
[0.83895216, 0.63227394, 0.88341045, 0.66055679, 0.68406023]])
numpy로 zero 행렬 만들기 (zeros 함수 사용시 가로 한 번더 사용해야한다.)
>>> D = np.zeros((2,4))
>>> D
array([[0., 0., 0., 0.],
[0., 0., 0., 0.]])
A 행렬에서 원소값 받아오기 (1행 3열의 값 -> 1부터 시작이 아니라 0부터 시작이다.)
>>> A[0][2]
2
728x90
반응형
'Machine learning > Machine learning 강의' 카테고리의 다른 글
머신 러닝 기본#6 - 전치 행렬, 단위 행렬, 역행렬 (0) | 2021.01.19 |
---|---|
머신 러닝 기본#5 - numpy로 행렬 연산하기 (0) | 2021.01.19 |
머신 러닝 기본#4 - 행렬의 덧셈과 곱셈 개념 잡기 (0) | 2021.01.19 |
머신 러닝 기본#2 - 선형 대수학 (일차식, 일차함수, 행렬과 벡터) (0) | 2021.01.17 |
머신 러닝 기본#1 - 머신 러닝 시작의 앞서 배울 대표적인 수학 친구들 (0) | 2021.01.17 |
댓글