Python输入2个矩阵，然后如何判断第一个矩阵是否是第二个矩阵的子矩阵呢

Python输入2个矩阵，第一个矩阵的比第二个小，然后如何判断第一个矩阵是否是第二个矩阵的子矩阵呢？思路是什么

假设两个矩阵分别是m1*n1和m2*n2大小。
遍历第二个矩阵，遍历范围range(0, m2-m1+1), range(0, n2-n1+1)，对于第二个矩阵中的每个元素，将其作为子矩阵的左上角的元素进行考虑，然后检查其右下方的m1行n1列的子矩阵（称为二子矩阵）是否与第一个矩阵相同。如果要求矩阵元素顺序一样，那就逐个位置判断，如果不要求顺序一样，就取出这个二子矩阵的元素放集合，通过集合的方式与第一个矩阵的元素集合比较。

帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7608102
这篇博客你也可以参考下：机器学习笔记——2 简单线性模型及局部加权线性模型的基本原理和python实现（参数估计的两个基本角度：几何直观和概率直观。函数最值问题的两大基本算法：梯度方法与迭代方法）
除此之外, 这篇博客: 【Python数据预处理】归一化（按列减均值，除方差），标准化（按列缩放到指定范围），正则化（范数）中的 二、将属性缩放到一个指定范围 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

除了上述介绍的方法之外，另一种常用的方法是将属性缩放到一个指定的最大和最小值（通常是1-0）之间，这可以通过preprocessing.MinMaxScaler类实现。

使用这种方法的目的包括：

1、对于方差非常小的属性可以增强其稳定性。

2、维持稀疏矩阵中为0的条目。

>>> X_train= np.array([[1.,-1., 2.],

... [2., 0., 0.],

... [0., 1.,-1.]])

...

>>> min_max_scaler= preprocessing.MinMaxScaler()

>>> X_train_minmax= min_max_scaler.fit_transform(X_train)

>>> X_train_minmax

array([[0.5 , 0. , 1. ],

[1. , 0.5 , 0.33333333],

[0. , 1. , 0. ]])

>>>#将相同的缩放应用到测试集数据中

>>> X_test= np.array([[-3.,-1., 4.]])

>>> X_test_minmax= min_max_scaler.transform(X_test)

>>> X_test_minmax

array([[-1.5 , 0. , 1.66666667]])

>>>#缩放因子等属性

>>> min_max_scaler.scale_

array([0.5 , 0.5 , 0.33...])

>>> min_max_scaler.min_

array([0. , 0.5 , 0.33...])

当然，在构造类对象的时候也可以直接指定最大最小值的范围：feature_range=(min, max)，此时应用的公式变为：

X_std=(X-X.min(axis=0))/(X.max(axis=0)-X.min(axis=0))

X_scaled=X_std/(max-min)+min

您还可以看一下 CSDN就业班老师的Python爬虫技术和浏览器模拟，验证码识别视频教程课程中的网络爬虫案例实战2小节, 巩固相关知识点