机器学习笔记 - python学习记录三 Python中的矢量化

        当我们必须处理大量数据集时，计算上非最优的函数可能会成为算法的巨大瓶颈，最终导致模型运行时间过长。为了确保代码计算效率高，我们将使用矢量化。任何算法执行的时间复杂度都非常重要，决定了应用程序是否可靠。在实时输出应用方面，尽可能在最佳时间内运行大型算法非常重要。为此，Python提供了一些标准数学函数，可以快速操作整个数据数组，而无需编写循环。包含此类函数的库之一是numpy。

        让我们看看如何在矢量化的情况下使用这个标准函数。

        矢量化用于加速 Python 代码，而无需使用循环。使用这样的函数有助于有效地减少代码的运行时间。对向量执行各种操作，例如向量的点积（也称为标量积，因为它产生单一输出）、外积（产生维度等于长度 X 向量长度的方阵）、元素逐乘（乘以相同索引的元素，矩阵维度保持不变）。

outer(a, b)：计算两个向量的外积。
multiply(a, b)：两个数组的矩阵积。
dot(a, b)：两个数组的点积。
zeros((n, m))：返回给定形状和类型的矩阵，用零填充。
process_time()：返回当前进程的系统和用户 CPU 时间总和的值（以秒为单位）。它不包括睡眠期间经过的时间。

点积

        点积是一种代数运算，其中两个等长向量相乘，从而产生一个数字。点积通常称为内积。该乘积产生一个标量数。让我们考虑两个长度相同的矩阵a和b，点积是通