Question

我正在将一个多层感知器算法从R程序转录到python，但是我遇到了一个问题，矩阵乘法给了我不同的结果：

R语言：

> hidden <- matrix(c(-0.4442772, -0.1844143, 0.2783537, 0.2599441, -0.3190043, 0.2062185), nrow=2, ncol=3) 
> Xp <- c(0, 1, 1)
> hidden %*% Xp

           [,1]
[1,] -0.0406506
[2,]  0.4661626

的Python：

>>> import numpy as np
>>> Xp = np.array([0, 1, 1])
>>> hidden = np.asmatrix([[-0.4442772, -0.1844143, 0.2783537], [0.2599441, -0.3190043, 0.2062185]])
>>> np.dot(hidden, nq)

matrix([[ 0.0939394, -0.1127858]])

使用Wolfram，Python是正确的，但即使它没有收敛到正确的算法结果。我在这方面搜索了两种语言之间的差异，但没有找到任何结果。除此之外，我还应用了另一个矩阵乘法进行测试，两个结果相同：

R语言：

> m1 <- matrix(c(2,3,4,7,0,1), nrow = 3, ncol=2)
> m2 <- matrix(c(1,6,4,3,6,9), nrow = 2, ncol=3)
> m1 %*% m2

     [,1] [,2] [,3]
[1,]   44   29   75
[2,]    3   12   18
[3,]   10   19   33

的Python：

>>> import numpy as np
>>> m1 = np.matrix([[2,7], [3,0], [4,1]])
>>> m2 = np.matrix([[1,4,6], [6,3,9]])
>>> np.dot(m1,m2)

matrix([[44, 29, 75],
        [ 3, 12, 18],
        [10, 19, 33]])

这种情况有什么区别？我怎样才能在Python中达到这个结果？

Answer 1

我建议你打印你创建的矩阵：

#           [,1]      [,2]       [,3]
#[1,] -0.4442772 0.2783537 -0.3190043
#[2,] -0.1844143 0.2599441  0.2062185

这与你的Wolfram Alpha链接显示的不一样。

如果你创建相同的矩阵，你会得到与python和Mathematica相同的结果：

hidden <- matrix(c(-0.4442772, -0.1844143, 0.2783537, 0.2599441, -0.3190043, 0.2062185), nrow=2, ncol=3, 
            byrow = TRUE) #fill matrix by row instead of default by column 
#           [,1]       [,2]      [,3]
#[1,] -0.4442772 -0.1844143 0.2783537
#[2,]  0.2599441 -0.3190043 0.2062185
Xp <- c(0, 1, 1)
hidden %*% Xp
#           [,1]
#[1,]  0.0939394
#[2,] -0.1127858

使用Python和R语言进行矩阵乘法的结果不同

1 个答案: