Bibliothèques Python

1. Calcul matriciel optimisé avec NumPy

a. Présentation

Un grand nombre d’algorithmes relevant du machine learning repose sur du calcul matriciel. Ce domaine des mathématiques définit par exemple un ensemble d’opérations sur les matrices telles que l’addition, le produit, les rotations, etc. Les matrices manipulées peuvent rapidement atteindre des dimensions conséquentes. Les opérations sur ce type de matrices prennent un temps non négligeable. Matrice

C’est à cette fin que la bibliothèque NumPy a été écrite. En plus de fonctions mathématiques diverses, elle implémente une représentation particulièrement efficace des tableaux à dimensions multiples (représentation informatique des matrices mathématiques) et des opérations associées.

Une matrice est un tableau particulier à plusieurs dimensions. Il doit en effet respecter un ensemble de contraintes. La première étant que les sous-tableaux doivent avoir la même taille : soit A un tableau de tableaux, tous les tableaux contenus dans A doivent contenir le même nombre d’éléments. De plus, les éléments contenus doivent être du même type (entiers, nombres réels, etc.).

NumPy fait partie de l’écosystème SciPy : un ensemble de bibliothèques et de logiciels libres, écrits pour Python, destinés...

Pour consulter la suite, découvrez le livre suivant :
couv_RIPYTFO.png
60-signet.svg
En version papier
20-ecran_lettre.svg
En version numérique
41-logo_abonnement.svg
En illimité avec l'abonnement ENI
130-boutique.svg
Sur la boutique officielle ENI
Précédent
L'apprentissage automatique ou apprentissage statistique
Suivant
Une première application : regrouper les fichiers par date de création