2

我正在尝试在 python 中编写这个表达式，但我遇到了一些困难。

在此处输入图像描述

这是我到目前为止的代码，需要一些建议。

 x = 1x2 vector
 mu = 1x2 vector
 Sigma = 2x2 matrix 

 xT = (x-mu).transpose()
 sig = Sigma**(-1)
 dotP = dot(xT ,sig )
 dotdot = dot(dotP, (x-mu))
  E = exp( (-1/2) dotdot  )

我在正确的轨道上吗？有什么建议么？

4

1 回答 1

4

  • Sigma ** (-1)不是你想要的。这将提高 的每个元素Sigma的-1幂，即1 / Sigma，而在数学表达式中，它表示逆，用 Python 编写为np.linalg.inv(Sigma)。

  • (-1/2) dotdot是语法错误；在 Python 中，您需要始终包含*乘法，或者只需执行- dotdot / 2. 由于您可能使用的是 python 2，因此除法有点不稳定；除非你已经完成from __future__ import division（强烈推荐），1/2否则实际上会是0，因为它是整数除法。您可以使用.5它来解决这个问题，尽管就像我说的那样，我强烈建议您进行部门导入。

  • 这是非常简单的，但是你在x-mu只需要做一次的情况下进行两次减法。如果您的向量很大，只需执行一次即可节省一点速度。（当然，这里你是在二维上做的，所以这根本不重要。）

  • the_array.transpose()与其调用（这很好），不如使用它通常更好the_array.T，这是同一件事。

  • 我也不会使用这个名字xT；它向我暗示它是 的转置x，这是错误的。

我可能会这样组合它：

# near the top of the file
# you probably did some kind of `from somewhere import *`.
# most people like to only import specific names and/or do imports like this,
# to make it clear where your functions are coming from.
import numpy as np

centered = x - mu
prec = np.linalg.inv(Sigma)
E = np.exp(-.5 * np.dot(centered.T, np.dot(prec, centered)))
于 2012-09-16T05:06:48.750 回答