1、numpy库
import numpy as np np.random.seed(1) #设置随机种子 np.log(x) #给list中的每个元素取对数 np.multiply(x, y) #list中对应元素相乘 np.dot(x, y) #矩阵乘法 np.power(x, 2) #list对应元素乘方 #矩阵拓展 #如果m*n的矩阵和1*k的矩阵相乘，第二个矩阵会自动拓展成n*k的矩阵 x.T #x的转置
np.random.randn(nh, nx)
#生成一个nh*nx的list，元素服从标准正态分布
np.zeros(shape=(nh, 1))
#生成一个nh*1的全0 list
np.round(x)
#将x中的每个元素四舍五入
np.mean(x)
#对x的所有元素求平均值
2、matplotlib
import matplotlib.pyplot as plt plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral) #前两项分别设置x、y轴 plt.title() #给图片设置标题 plt.show() #展示图片
3、sklearn
import sklearn import sklearn.datasets import sklearn.linear_model clf = sklearn.linear_model.LogisticRegressionCV() #生成一个逻辑回归的项目 clf.fit(X.T, Y.T.ravel()) #放入数据和标记，其中ravel()是将list压缩 clf.predict(x) #预测值