使用numpy方法计算Kernel矩阵时np.vectorize返回结果错误问题

1. np.vectorize的使用逻辑错误 #

你设置的签名signature='(n),(n)->()'表示接收两个长度为n的一维数组，输出一个标量。你直接传入形状为(3,3)的data作为两个参数时，函数会默认按行遍历取向量做内积，每行[1,2,3]的内积为1*1 + 2*2 + 3*3 =14，最终输出的三个14就是三行各自的内积结果，和你需要的列两两内积的需求不匹配。

2. 对np.vectorize的功能存在误解 #

np.vectorize本质只是语法糖，内部实现依旧是Python级别的循环，并不会带来实际的性能提升，用它来优化运行速度的思路本身就是错的。

正确优化方案 #

你要计算的线性核矩阵本质就是数据矩阵转置和自身的乘积，直接用numpy原生矩阵乘法即可，效率是原生C级别，远高于手写循环：

result = data.T @ data

运行后得到的结果和你双重循环的输出完全一致。

内容的提问来源于stack exchange，提问作者Kenny Smith