机器学习算法实现python中常用的代码（持续更新）

1. np.tile(A, reps) 复制array到指定的结构 doc

2. numpy.argsort(a, axis=-1, kind='quicksort', order=None) 数组按数值排序后原index所在位置 doc

3. D.get(k[,d]) -> D[k] if k in D, else d. d defaults to None. 获取字典中key对应的元素，如果key不在字典中，返回设定的默认值

4. [(k, D[k]) for k in sorted(D, key=D.get, reverse=True)] 将dict按value值排序，sorted返回的结果是按value排序后的key值

5. numpy中可以将array类型转换为mat类型，但是mat中的*运算默认为矩阵乘法，而array中的为点乘, mat实现点乘需要用np.multiply(mat1, mat2)
   mat是ndarray的子类，只能表示二维数据

6. np.mat 转 np.array: 在mat对象后面加 . A

7. np.nonzero() 得到非零的index

需要注意的事项：

1. 拼接两个ndarray，需要用np.concatenate

>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6]])

2. np.dot(A, B)：对于二维矩阵，计算真正意义上的矩阵乘积，同线性代数中矩阵乘法的定义。对于一维矩阵，计算两者的内积。
   实现对应元素相乘，有2种方式，一个是np.multiply()，另外一个是。需要注意的是mat的指的是矩阵乘法