معرفی شرکت ها
algebraML-0.0.5
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
This package performs basic algebraic operations
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | algebraML-0.0.5 |
| نام | algebraML |
| نسخه کتابخانه | 0.0.5 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Carlos Barros |
| ایمیل نویسنده | cj.barros@gmail.com |
| آدرس صفحه اصلی | https://github.com/cbarros7/ml_engineer_nanodegree |
| آدرس اینترنتی | https://pypi.org/project/algebraML/ |
| مجوز | - |
## Basic algebra for Machine Learning
This package performs basic operations between two matrices that are used in the field of machine learning such as: *addition, subtraction, multiplication and division*. It can also perform single matrix operations such as: *dot product, inverse matrix finding and determinant*.
### Installation
Run the following command in your terminal:
```
$ pip install -i https://test.pypi.org/simple/ basic-algebra-ml==0.0.1
```
### Usage
The package is composed of two classes:
<h4>1) Basic_Operations</h4> Parent class that has the following methods:
* **check_type_matrix:** checks if the parameters are a matrix of type ```<<numpy.ndarray>>```.
* **addition:** adds two matrices together. For example:
```
# Declare the matrix
[In]: from basic_operations import Basic_Operations
# Declare the matrix
matrix1 = ([1, 6, 5], [6, 14, 34], [21, 12, 4])
matrix2 = ([3, 2, 54], [21, 12, 9], [1, 6, 5])
# Instantiate the class
test = Basic_Operations(matrix1, matrix2)
print(test.addition())
[Out]: [[ 4. 8. 59.]
[27. 26. 43.]
[22. 18. 9.]]
```
* **subtraction:** subtraction of two matrices. With the matrices of the previous example, then we have the following result:
```
[In]: print(test.subtraction())
[Out]: [[ -2. 4. -49.]
[-15. 2. 25.]
[ 20. 6. -1.]]
```
<br>
* **multiplication:** multiply two matrices.
*Note: Remember that to perform multiplication between matrices the number of rows must match the number of columns.*
```
[In]: matrix3 = ([8, 56, 7], [6, 14, 34], [9, 63, 5])
matrix4 = ([36, 1, 2], [94, 9, 12], [3, 66, 1])
test2 = Basic_Operations(matrix3, matrix4)
print(test2.multiplication())
[Out]: [[ 288. 56. 14.]
[ 564. 126. 408.]
[ 27. 4158. 5.]]
```
Note the following example where the dimensions do not match between more matrices. The program will give a message indicating the error.
```
[In]: matrix3 = ([8, 56, 7], [6, 14, 34], [9, 63, 5])
matrix4 = ([36, 1, 2], [94, 9, 12])
print(test2.multiplication())
[Out]: Error: operands could not be broadcast together with shapes (3,3) (2,3)
```
<br>
* **division:** divide two matrices. See the following example:
Below are several examples of how you can use this package:
```
[In]: print(test2.division())
[Out]: [[ 0.22222222 56. 3.5 ]
[ 0.06382979 1.55555556 2.83333333]
[ 3. 0.95454545 5. ]]
```
<br>
* **dot:** Dot product of two arrays. See the following example:
```
[In]: matrix5 = ([8, 56, 7], [6, 14, 34], [9, 63, 5])
matrix6 = ([3, 2, 54], [21, 12, 9], [1, 6, 5])
test3 = Basic_Operations(matrix5, matrix6)
print(test3.dot())
[Out]: [[1207. 730. 971.]
[ 346. 384. 620.]
[1355. 804. 1078.]]
```
<h4>2) Operations_One_Matrix: </h4>
Child class that inherits from **Basic_Operations**. With this class you can perform the following operations with a matrix:
* **scalar:** multiply a matrix by a scalar
```
[In]: from matrix_manipulations import Operations_One_Matrix
matrix = ([36, 1, 2], [94, 9, 12], [3, 66, 1])
test = Operations_One_Matrix(matrix)
print(test.scalar(2))
[Out]: [[ 72. 2. 4.]
[188. 18. 24.]
[ 6. 132. 2.]]
```
* **shape:** checks the dimensions of a matrix.
```
[In]: print(test.scalar(2))
[Out]: (3, 3)
```
* **inverse:** calculate the inverse of a matrix
* **transpose:** Invert or permute the axes of a matrix
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl algebraML-0.0.5:
pip install algebraML-0.0.5.whl
نصب پکیج tar.gz algebraML-0.0.5:
pip install algebraML-0.0.5.tar.gz