机器学习3-线性代数回顾
引语:
这一节基本上就是大学上的线性代数的内容的复习。
1.矩阵和向量
矩阵定义:矩阵(Matrix)是一个按照长方阵列排列的复数或实数集合,最早来自于方程组的系数及常数所构成的方阵。
matrix:rectangular array of numbers
矩阵的维数:是指它的行数和列数,比如上图就是一个4x2的矩阵
dimension of matrix:number of rows x number of columns
矩阵的元素:是矩阵中的数值,使用Aij来表示第i行第j列的数值
向量是特殊的矩阵:只有一列的矩阵,向量通常用小写字母表示,矩阵通常用大写的字母表示,向量有下标从0开始和1开始的,在机器学习中使用下标从1开始的更加常见一些。
2.加法和标量乘法
矩阵的加法:行列相同的两个矩阵把Aij和Bij相加。比如下图中结果C11(C是结果) = A11 + B11, 5 = 1 + 4。剩下的结果也直接对应的相加就可以得出结果。但是只能是行列相同的矩阵进行加法,不同的行列没法进行加法。
矩阵的标量乘法:矩阵的每一项和标量相乘即可。
3.矩阵向量乘法
这个在大学的时候学过,记得老师说的口诀左行乘右列
4.矩阵乘法
矩阵乘法和矩阵向量乘法是一样的,都是左行乘右列把结果相加。向量是一种特殊的矩阵。
AxB能做乘法必须是A的列数等于B的行数,A(mxn的矩阵),B(nxo的矩阵)得出的C(是mxo的矩阵),可以理解为A的列n和B的行n相互消除了,剩下的A的行m和B的列o
5.矩阵乘法特征
矩阵的乘法有一些特征,比如我们中小学学的交换律,结合律这种。
5.1 矩阵的乘法不符合交换律,AxB != BxA
5.2 矩阵的乘法满足结合律,Ax(BxC)= (AxB)xC
5.3 单位矩阵 就像自然数的单位1,单位矩阵上对角线的数值都是1。
AxI = IxA =A (I是单位矩阵)
6.逆和转置
矩阵的逆:一个n阶方阵A称为可逆的,或非奇异的,如果存在一个n阶方阵B,使得AB=BA=E,则称B是A的一个逆矩阵。A的逆矩阵记作A-1。类比自然数就是逆就是倒数,2的倒数是1/2,它们相乘得1.矩阵A和矩阵A的逆相乘得到单位矩阵E。
矩阵的转置:将A的所有元素绕着一条从第1行第1列元素出发的右下方45度的射线作镜面反转,即得到A的转置。简单来说就是矩阵的行列互换就是矩阵的转置,A是一个mxn的矩阵,行列互换为AT是一个nxm的矩阵,A和AT互为转置。
机器学习3-线性代数回顾相关推荐
- 【吴恩达机器学习笔记】1引言、单变量线性回归、线性代数回顾
1引言(Introduction) 1.1欢迎(Welcome) 1.2机器学习是什么(What is machine learning?) Arthur Samuel(1959):机器学习是在没有进 ...
- 斯坦福大学吴恩达机器学习教程中文笔记——week1——引言,单变量线性回归,线性代数回顾
第1周 文章目录 第1周 @[toc] 引言(Introduction) 1.1 欢迎 1.2 机器学习是什么? 1.3 监督学习 1.4 无监督学习 二.单变量线性回归(Linear Regress ...
- 第三章 线性代数回顾-机器学习老师板书-斯坦福吴恩达教授
第三章 线性代数回顾 3.1 矩阵和向量 3.2 加法和标量乘法 3.3 矩阵向量乘法 3.4 矩阵乘法 3.5 矩阵乘法特征 3.6 逆和转置 3.1 矩阵和向量 3.2 加法和标量乘法 3.3 矩 ...
- 吴恩达机器学习(第三章)——线性代数回顾
第三章-线性代数回顾 文章目录 第三章-线性代数回顾 矩阵和向量 矩阵的加法 矩阵的乘法 矩阵标量乘法 矩阵向量乘法 矩阵乘法 矩阵乘法的性质 矩阵的逆.转置 矩阵和向量 矩阵(Matrix) 是一个 ...
- 线性代数回顾.pptx
机器学习,需要一定的数学基础,需要掌握的数学基础知识特别多,如果从头到尾开始学,估计大部分人来不及,我建议先学习最基础的数学知识. 这个是我考研考博时候整理的中文教材的资料,分为高等数学.线性代数.概 ...
- 高等代数第3版下 [丘维声 著] 2015年版_机器学习与线性代数简明教程(下)
机器学习与线性代数简明教程(上) 线性代数在机器学习(ML)和深度学习(DL)中是必不可少的.即使我们努力为许多理论创建精确的机器学习模型,线性代数仍然是这些研究中的重要工具. 正交矩阵 如果方形矩阵 ...
- 2.导数——线性代数回顾、曲线概念_1
目录 线性代数回顾 曲线概念 线性代数回顾 我们要开始接触直线斜率的概念了,证明了开始要学习导数了, 这里我们会做一个自理,顺便回顾一下线性代数的知识. 怎么求一条直线的斜率呢?如图: 首先,这个直线 ...
- GAMES101课程学习笔记—Lec 02:Linear Algebra 线性代数回顾
GAMES101课程学习笔记-Lec 02:Linear Algebra 线性代数回顾 0 图形学的依赖学科 1 向量 1.1 点乘 1.2 叉乘 2 矩阵 本节课知识比较基础,大学课程里应该都学过, ...
- 机器学习笔记(3):线性代数回顾
目录 1)Matrices and vectors 2)Addition and scalar multiplication 3)Matrix-vector multiplication 4)Matr ...
- 特征值与特征向量_机器学习和线性代数 - 特征值和特征向量
特征值和特征向量可能是线性代数中最重要的概念之一.从机器学习.量子计算.物理到许多数学和工程的问题,都可以通过找到一个矩阵的特征值和特征向量来解决. 根据定义(标量λ.向量v是特征值.特征向量A): ...
最新文章
- 谷歌花4亿英镑下注AI开始有回报 DeepMind创收了
- html解决空格显示问题
- 拼接字符串时去掉最后一个多余逗号
- docker always_介绍两款Docker可视化工具
- ALV 动态显示列Demo
- java多线程遇到的问题_关于Java多线程遇到的问题.
- myeclipse怎么集成Tomcat
- 【附可运行代码】剑指 Offer 12. 矩阵中的路径
- python变量名可以包含的字符有问号吗,带问号文字的Python正则表达式
- 静态属性_Java面试题—内部类和静态内部类的区别
- 【学习笔记】慕课网—Java设计模式精讲 第3章 软件设计七大原则-3-6 迪米特原则(最少知道原则)...
- 罗永浩:比起悲剧英雄 我更喜欢被当成失败的小丑
- 视频分析服务器作用,如何选择合适的视频分析解决方案?
- unity音效插件—— FMOD学习
- plsql导出表结构到excel_PLSQL怎样导出oracle表结构和数据
- weblogic错误页面
- matlab catia程序,利用VBA进行CATIA二次开发的基本流程 | 坐倚北风
- 转:软件开发的葵花宝典
- Windows XP控制台图解
- 【数据结构与算法】迪杰斯特拉算法的介绍和最短路径问题程序实现