В операции numpy у меня есть два вектора, скажем, вектор A равен 4X1, вектор B равен 1X5, если я сделаю AXB, в результате должна получиться матрица размером 4X5.
Но я пробовал много раз, выполняя множество видов изменения формы и транспонирования, все они либо вызывают ошибку, говорящую о том, что не выровнены, либо возвращают одно значение.
Как я должен получить выходной продукт матрицы, которую я хочу?
Обычное матричное умножение работает до тех пор, пока векторы имеют правильную форму. Помните, что * в Numpy — это поэлементное умножение, а матричное умножение доступно с numpy.dot() (или с оператором @ в Python 3.5).
>>> numpy.dot(numpy.array([[1], [2]]), numpy.array([[3, 4]]))
array([[3, 4],
[6, 8]])
Это называется «внешний продукт». Вы можете получить его, используя простые векторы, используя numpy.outer():
>>> numpy.outer(numpy.array([1, 2]), numpy.array([3, 4]))
array([[3, 4],
[6, 8]])
Функция matmul (начиная с numpy 1.10.1) работает отлично:
import numpy as np
a = np.array([[1],[2],[3],[4]])
b = np.array([[1,1,1,1,1],])
ab = np.matmul(a, b)
print (ab)
print(ab.shape)
Вы должны правильно объявить свои векторы. Первый должен быть списком списков одного числа (в этом векторе должны быть столбцы в одной строке), а второй - списком списков (в этом векторе должны быть строки в одном столбце), как в приведенном выше примере.
Вывод:
[[1 1 1 1 1]
[2 2 2 2 2]
[3 3 3 3 3]
[4 4 4 4 4]]
(4, 5)
Если вы используете numpy.
Во-первых, убедитесь, что у вас есть два вектора. Например, vec1.shape = (10, ) и vec2.shape = (26, ); в numpy вектор-строка и вектор-столбец - это одно и то же.
Во-вторых, вы делаете res_matrix = vec1.reshape(10, 1) @ vec2.reshape(1, 26) ;.
Наконец, у вас должно быть: res_matrix.shape = (10, 26).
В документации numpy говорится, что np.matrix() будет считаться устаревшим, поэтому лучше его не использовать.
