作者： 蒋智昊

标量(Scalar)、向量(Vector)、矩阵(Matrix)、张量(Tensor)。

1、标量

标量(scalar)：一个标量就是一个单独的数(整数或实数)，不同于线性代数中研究的其他大部分对象(通常是多个数的数组)。

在Python中的定义为：

x = 1

2、向量

向量(vector)：一个向量表示一组有序排列的数，通过次序中的索引我们能够找到每个单独的数。向量中的每个元素就是一个标量，向量中的第i个元素用表示。

在Python中的定义为：

imp

梯度

假设对于函数f(x)，在其图象中有一点a，在a点的梯度是f(x)增长最快的方向，梯度本身是一种上升的趋势。

梯度下降

概念：对于f(x)，在a点的梯度是f(x)增长最快的方向，那么它的相反方向则是该点下降最快的方向， 梯度下降算法是一种求局部最优解的方法。

原理：将函数比作一个山谷，如下图，我们站在山坡上的某处，往四周看，找出一个方向，使得沿着这个方向向下走一小步，能够下降的最快；刚开始走的步伐可能会大一些，随着越来越接近谷底，步伐也就越来越小，直到最终到达谷底c点。

x：浮点型数组，柱形图的 x 轴数据。

height：浮点型数组，柱形图的高度。

width：浮点型数组，柱形图的宽度。

bottom：浮点型数组，底座的 y 坐标，默认 0。

align：柱形图与 x 坐标的对齐方式，’center’ 以 x 位置为中心，这是默认值。 ‘edge’：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align=’edge’。

**kwargs：其他参数。

import matplotlib.pyplot

x：浮点型数组，表示每个扇形的面积。

explode：数组，表示各个扇形之间的间隔，默认值为0。

labels：列表，各个扇形的标签，默认值为 None。

colors：数组，表示各个扇形的颜色，默认值为 None。

autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。

labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 

x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。

s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。

c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。

marker：点的样式，默认小圆圈 ‘o’。

cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

norm：Normalize，默认 None，

import matplotlib.pyplot as plt

import numpy as np

# np.arange(start, stop, step, dtype=None)

# end : 结束值(不含)

# 起点是0, 终点是4*np.pi, 步长为0.1

x = np.arange(0, 4*np.pi, 0.1)

y = np.sin(x)

z = np.cos(x)

# 绘制一个正弦和余弦图，在 plt.plot() 参数中包含两对 x,y

import matplotlib.pyplot as plt

import numpy as np

ypoints = np.array([1,3,4,5,8,9,10])

plt.plot(ypoints, marker = ‘o’)

plt.show()

“o” 实心圆

“.” 点

“^” 上三角

fmt 参数

fmt 参数定义了基本格式，如标记、线条样式和颜色。

fmt = ‘[marker][line][color]’

例如 o:r，o