机器学习算法涉及很多线性代数知识，我们会经常使用 NumPy 函数库，用线性代数简化不同的数据点上执行的相同数学运算。将数据表示为矩阵形式，只需要执行简单的矩阵运算而不需要复杂的循环操作。
在Python shell开发环境中输入下面命令：from numpy import *，将 NumPy 函数库中的所有模块引入到当前的命名空间，输入以下命令：
上述命令构造了一个 4*4 的随机数组（随机数组在不同计算机上输出可能不同）。
在 NumPy 函数库中存在两种不同的数据类型（矩阵 matrix 和数组 array），二者都可以用于处理行列表示的数字元素。虽然看起来很相似，但在这两个数据类型上执行相同的数学运算可能得到不同的结果，其中的矩阵 matrix 与 MATLAB 中 matrices 等价。
调用 mat() 函数可将数组转换为矩阵：
如何进行矩阵求逆呢？不记得或者没学过矩阵求逆也没关系，NumPy 库 .I 操作符可以很方便地算出矩阵的逆运算：
接着执行矩阵乘法，得到矩阵与其逆矩阵相乘的结果：
结果应该是单位矩阵，除了对角线元素是 1，4*4 矩阵的其他元素应该全是 0。上面实际输出略有不同，矩阵里还留下了很多数值非常小的元素，这是计算机处理误差产生的结果，我们来看一下误差值：
函数 eye(4) 创建 4*4 的单位矩阵。
只要能够顺利完成上面的例子，你就已经正确地安装并初步使用了 NumPy 函数库。后面我们会对它有更深的了解。