title: np.dot函数
date: 2019-11-15 00:56:38
categories:

• 机器学习
  tags:
• 机器学习

np.dot()函数用法

• Numpy中dot()函数主要功能有两个：向量点积和矩阵乘法。

  格式：**x.dot(y) 等价于 np.dot(x,y) ———**x是mn 矩阵 ，y是nm矩阵，则x.dot(y) 得到m*m矩阵。

向量点积

• 如果处理的是一维数组，则得到的是两数组的內积

• 例子1:

  import numpy as np
  x=np.array([0,1,2,3,4])#等价于:x=np.arange(0,5)
  y=x[::-1]
  print x
  print y
  print np.dot(x,y)
  输出：
  [0 1 2 3 4]
  [4 3 2 1 0]
  10
   
  

• 例子2：

  import numpy as np
  x=np.arange(0,5)
  y=np.random.randint(0,10,5)
  print x
  print y
  print np.dot(x,y)
  输出：
  [0 1 2 3 4]
  [5 1 0 9 2]
  36
  

矩阵乘法

• 如果是二维数组（矩阵）之间的运算，则得到的是矩阵积

• np.dot(x, y), 当x为二维矩阵，y为一维向量，这时y会转换一维矩阵进行计算

  首先，我们来看一下一维向量和一位矩阵的不同

  例子1：

  import numpy as np
  x=np.arange(0,5)
  y=np.random.randint(0,10,size=(5,1))
  print x
  print y
  print "x.shape:"+str(x.shape)
  print "y.shape"+str(y.shape)
  print np.dot(x,y)
  输出：
  [0 1 2 3 4]
  [[3]
   [7]
   [2]
   [8]
   [1]]
  x.shape:(5,)
  y.shape(5, 1)
  [39]
  

  可以看出一维向量的shape是(5, ), 而一维矩阵的shape是(5, 1), 若两个参数x和y中有一个是矩阵时（包括一维矩阵），dot便进行矩阵乘法运算，同时若有个参数为向量，会自动转换为一维矩阵进行计算。

• p.dot(x, y)中，x、y都是二维矩阵，进行矩阵积计算

  例4：

  import numpy as np
  x=np.arange(0,6).reshape(2,3)
  y=np.random.randint(0,10,size=(3,2))
  print x
  print y
  print "x.shape:"+str(x.shape)
  print "y.shape"+str(y.shape)
  print np.dot(x,y)
  输出：
  
  [[0 1 2]
   [3 4 5]]
  [[7 5]
   [0 7]
   [6 2]]
  x.shape:(2, 3)
  y.shape(3, 2)
  [[12 11]
   [51 53]]