當我們用自己喜歡的語言查看求和，階乘，矩陣等時，它們很簡單

Source

對于任何有興趣從事機器學(xué)習(xí)和數(shù)據(jù)科學(xué)事業(yè)或研究的人來說，是時候超越python庫，追隨好奇心進入所有數(shù)學(xué)背后的日子了。 通常，這將帶您進入大量公開的論文集，詳細說明其工作原理。 您對核心數(shù)學(xué)的理解越深入，您就越可能一見傾心就創(chuàng)建了一種新方法。 在您遇到類似以下內(nèi)容之前，第一篇文章上的所有內(nèi)容似乎都還不錯：

對于已經(jīng)學(xué)習(xí)數(shù)學(xué)多年或在機器學(xué)習(xí)的數(shù)學(xué)水平上工作的任何人，可以將這樣的方程式仔細地解析為含義和代碼。 但是對于許多其他人來說，這看起來像象形文字。 事實是，古代數(shù)學(xué)領(lǐng)袖似乎似乎選擇了最有趣的外觀符號來描述相當直觀的方法。 結(jié)果是：方程和變量看起來比實際復(fù)雜得多。

我發(fā)現(xiàn)代碼不僅可以用于編寫程序，還可以用于解釋復(fù)雜性的全球通用語言。 當我學(xué)習(xí)所有數(shù)據(jù)科學(xué)背后的數(shù)學(xué)時，我總是發(fā)現(xiàn)，獲得對數(shù)學(xué)的普遍理解的最佳方法是編寫代碼段來描述方程式。 最終，這些符號被理解為幾乎可以在典型論文中將其理解為文本。 在本文中，我希望分享一些示例，說明用代碼描述數(shù)學(xué)的簡單性！

求和與乘積

求和符號是迭代數(shù)學(xué)中最有用和最常用的符號之一。 盡管設(shè)計復(fù)雜，但是實現(xiàn)還是相當簡單，但卻非常有用。

x = ［1， 2， 3， 4， 5， 6］result = 0for i in range（6）： result += x［i］Output of print（result） -》 21

如上所示，此符號代表的所有內(nèi)容都是從頂部的數(shù)字開始的for循環(huán)，在頂部的數(shù)字范圍內(nèi)。 在底部設(shè)置的變量將成為索引變量，并且每個循環(huán)的所有結(jié)果都將添加到總值中。 較不常見的是，可以使用以下方法：

通常稱為乘積運算符，該符號以相同的方式起作用，但不是將每個結(jié)果相加，而是將它們相乘。

x = ［1， 2， 3， 4， 5， 1］result = 1for i in range（6）： result *= x［i］Output of print（result） -》 120

階乘

階乘是“！” 幾乎所有計算器上都存在。 對許多人來說，這可能更明顯一些，但是仍然值得編寫一些代碼以了解其原理。

5！ 將表示為：

result = 1for i in range（1，6）： result *= iOutput of print（result） -》 120

條件括號

條件括號用于根據(jù)一組條件轉(zhuǎn)移方程的流程。 對于編碼人員，這只是常見的“ if”語句。 以上條件可以表示為：

i = 3y = ［-2， 3， 4， 1］result = 0if i in y： result = sum（y）elif i 》 0： result = 1else： result = 0print（result） -》 6

如上所示，括號中每一行的正確表示法規(guī)定了每個路徑應(yīng)執(zhí)行的操作。 我還將多余的“包含”符號放入每個條件中，以增加更多的見解。 如上所示，我們檢查了i值是否在y列表中。 認識到確實如此，我們返回了數(shù)組的總和。 如果i值不在數(shù)組中，我們將基于該值返回0或1。

點明智和笛卡爾矩陣乘法

最后，我想快速介紹一下任何數(shù)據(jù)科學(xué)家通常通過其喜歡的語言庫（矩陣乘法）完成的操作。 最容易理解的形式是逐點操作。 簡寫為：

請注意，第一個要求是每個矩陣必須具有相同的形狀（即＃rows =＆＃Columns =）

此代碼如下所示：

y = ［［2，1］，［4，3］］z = ［［1，2］，［3，4］］x = ［［0，0］，［0，0］］for i in range（len（y））： for j in range（len（y［0］））： x［i］［j］ = y［i］［j］ * z［i］［j］print（x） -》 ［［2， 2］， ［12， 12］］

最后，讓我們看一下機器學(xué)習(xí)中最常用的典型矩陣乘法過程。 用復(fù)雜的術(shù)語來說，此運算將找到每個主要行與每個次要列的點積。 這樣做的主要目的是：假設(shè)［#rows，#columns］→矩陣ixj要求#columns（i）== #rows（j）→最終產(chǎn)品的形狀為［#rows（i）， #columns（j）］

這似乎令人困惑，我最好的建議是看一下Google圖片，以直觀了解這些要求。

該方程的代碼如下（使用numpy點方法）：

y = ［［1，2］，［3，4］］z = ［［2］， ［1］］# x has shape ［2， 1］x = ［［0］， ［0］］for i in range（len（y）） for j in range（len（z）： x［i］［j］ = np.dot（y［i］， z［：， j］）print（x） -》 ［［4］， ［10］］

這只是幾個示例，但是對這種簡單代碼的理解可以使任何程序員承擔起初不祥的數(shù)學(xué)世界。 當然，這些方法都可以合并以提高效率，并且通常具有易于使用的庫方法。 用簡單的代碼編寫這些代碼的目的是查看以真實操作的形式寫出它們時的意義。