概述
统计分布
breeze.stats.distributions.Guassian(0,1) 正态分布/高斯分布
breeze.stats.distributions.Binomial(n,p) 伯努利二项分布
breeze.stats.distributions.Gamma(n,p) 伽马分布
breeze.stats.distributions.Poisson(3.0) 泊松分布
生成图像：
val f =Figure()
val g=bree.stats.distributions.Guassian(0,1)
f.subplot()+=hist(g.sample(1000),100)
f.saveas("image.png")
注意：import breeze.plot._ ，不要导入breeze.stats。
hist() 图像x,y轴的数值范围。
向量
val x=DenseVector.zeros[Double](5)
val x=DenseVector(1,2,3)
x(index)=value
x(begin to end):=value
x(begin to end):=DenseVector(valuelist)
所有的向量都是列向量。
矩阵
val m=DenseMatrix.zeros[Int](5,5)
val m=DenseMatrix((row1),(row2))
行 m.rows
列 m.cols
矩阵可以按一行或一列DenseVector访问。矩阵下标从0开始计数。
m(::,1)：=DenseVector()
m(4,::)：=DenseVector().t
矩阵也可以通过子矩阵来访问。
m(start to end,start to end) :=DenseMatrix((row1),(row2))
矩阵旋转
val dm=DenseMatrix(
(1,2,3),(4,5,6)
)
val dm90=rot90(dm) //逆时针旋转90度
val dm180=rot90(dm,2) //逆时针旋转180度
val dm90_1=rot90(dm,-1) //顺时针旋转90度
矩阵转置
dm.t
矩阵的秩
rank(dm)
矩阵运算
dm1*dm2 ,dm1+dm2,
最后
以上就是欣慰背包为你收集整理的ScalaNLP-breeze&breeze-viz总结的全部内容，希望文章能够帮你解决ScalaNLP-breeze&breeze-viz总结所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复