1.NumPy中定义的最重要的对象是称为ndarray的N维数组类型;
2.ndimin 指定返回数组的最小维数;
3.ndarray 对象由计算机内存中的一维连续区域组成;
1.shape:获取矩阵的行数和列数->(行数， 列数),shape也可以调整矩阵的行数和列数;
2.ndim:返回数组的维数;
3.itemsize:返回数组中每个元素的字节单位长度;
4.flags:返回了数组的属性值;
5.empty和dtype:产生一个指定行列数的随机矩阵，dtype指定元素类型;
6.zeros:返回特定大小，以 0 填充的新数组,zeros((5,6));
7.ones:返回特定大小，以 1 填充的新数组,ones((2,3));
1.asarray:将Python序列转换为ndarray,例如:asarray(序列);
2.frombuffer:将缓冲区解释为一维数组,例如:frombuffer(字符串, dtype = 'S1');
3.fromiter:从任何可迭代对象构建一个ndarray对象，返回一个新的一维数组;
4.arange:创建一个序列0到n的一维矩阵,例如:arange(n);
5.linspace:
6.logspace:
1.Matplotlib 是 Python 的绘图库;
2.pyplot()是 matplotlib 库中最重要的函数，用于绘制 2D 数据;
1.类的方法与普通的函数只有一个特别的区别——它们必须有一个额外的第一个参数名称, 按照惯例它的名称是 self:
例如：
def function1(self):
2.sigmoid函数：既S型的函数,例如对数函数
3.shape[0]:获取第一维的长度,以此类推到n维长度;
例如：
def function1(self):
2.sigmoid函数：既S型的函数,例如对数函数;
设A是数域上的一个n阶方阵，若在相同数域上存在另一个n阶矩阵B，使得： AB=BA=E。 则我们称B是A的逆矩阵，而A则被称为可逆矩阵。
E为单位矩阵。
从左上到右下的对角线全部为1的矩阵。
矢量化可以把数学公式直接转换为相应的程序代码，这样不但直观、方便阅读，更使复杂的数学公式实现变得简单，提高算法速度。向量化之后进行矩阵运算时,比用for循环之类的操作快许多倍。在进行机器学习的编程时你会发现，矢量化很多时候会加速模型的学习。