李沐深度学习笔记D1-数据操作

机器学习用的最多的数据结构是多维数组

0维数组： 1.0 一个数字
1维数组： [1.0，2.7，3.4] 一个数组，也叫特征向量
2维数组：
一个数字矩阵，每一行是一个样本，每一列是样本的特征
[ [1.0，2.7，3.4]
[2.0，2.2，3.9]
[3.0，2.9，3.1] ]
N维数组：
3维度数组：一张rgb图片
[ [ [1.0，2.7，3.4]
[2.0，2.2，3.9]
[3.0，2.9，3.1] ]
[ [1.0，2.7，3.4]
[2.0，2.2，3.9]
[3.0，2.9，3.1] ]]
包括行，列，RGB通道
4维数组：一个RGB图片的批量，空间上增一维
5维数组：一个视频的批量，时间上载增一维

如何创建一个数组

设置形状：如3*4矩阵
设置元素的类型：如32位浮点数
设置元素的值：如随机数，如全为0

如何设置访问元素

访问矩阵中
第一行第二列 X[0,1]
第二行第一列 X[1,0]
第一行所有 X[0,:]
第一列所有 X[:,0]
第一行到第三行 X[0:3,:] 为什么是3不是2：范围开闭
第一列到第三列 X[:,0:3]
第二行到最后 X[1:,:]
第二列到最后 X[:,1:]
第二列到最后每隔三列 X[:,1::3]

函数

x=x.arange(12) 获取前12个元素，结果为一个特征向量
x=x.shape 结果[12]，代表形状是一个向量，长度为12
x.numel() 结果12，代表元素数量为12
x.reshape(3,4) 结果为一个3*4的矩阵，只改变形状

torch.zeros((2,3,4)) 创建一个2个管道，3行4列的全0数组

X[-1] 代表查询最后一行
X[1:3] 代表查询第2到3行
X[1,2]=9 代表把第2行第3列数据赋值为9
x[0:2,:]=12 代表把第1-2行所有数据赋值为12

什么是数据预处理

将文件或者数据预处理为特征向量，类似数据字段平铺
比如：
表格中的数据转为特征向量
NumRooms Alley_Pave Alley_NaN Price
NaN，1，0，127500
2.0，0，1，106000
4.0，0，1，178100
NaN，0，1，140000

转换为多维数组
[
[NaN，1，0，127500],
[2.0，0，1，106000],
[4.0，0，1，178100].
[NaN，0，1，140000]
]

线性代数

向量 -> 矩阵

矩阵乘以向量，大学计算机专业课

矩阵乘以矩阵

特征向量：不被矩阵改变方向的向量

算均值，可以求和/某个维度的形状
求和，例如一个三维矩阵，按照一个维度求和，会得到一个二维矩阵；一个二维矩阵，按照一个维度求和，会得到一个特征向量

如果想要用广播机制
比如 A/sum_A(A) 那么就要设置
sum_A=A.sum(keepDims=true),因为做广播的前提就是要有相同的维度，如果求和之后不设置保持维度，维度就会消失