机器学习——线性代数中矩阵和向量的基本介绍

最新推荐文章于 2024-05-16 14:08:48 发布
最新推荐文章于 2024-05-16 14:08:48 发布
阅读量854 收藏 14
点赞数 9
分类专栏： 机器学习 文章标签： 机器学习 线性代数 矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_77659011/article/details/136182911
版权

矩阵和向量的基本概念

矩阵的基本概念（这里不多说，应该都知道）

而向量就是一个特殊的矩阵，即向量只有一列，是个n*1的矩阵

注：一般矩阵用大写字母表示，向量用小写字母表示

矩阵的加减运算

两个矩阵的乘法

矩阵向量相乘

先从简单开始，即一个矩阵和一个向量相乘的运算

矩阵向量相乘在机器学习中的应用

两个矩阵相乘

矩阵相乘的结果的维度为m*k

矩阵相乘的应用

矩阵乘法的一些特性

矩阵乘法满足结合律不满足交换律（当有一个矩阵是单位矩阵时满足交换律）

单位矩阵的基本概念

矩阵的逆运算和矩阵的转置

矩阵的逆

在实数中，一个数乘以它的倒数等于1，类似的，一个矩阵A乘以另一个矩阵得到单位矩阵，那么这个矩阵就称为矩阵A的逆矩阵，如下定义

注意：

  • 只有方阵才有逆矩阵
  • 类似于0没有倒数，所以不是所有的矩阵都有逆矩阵，不存在逆矩阵的矩阵称为奇异矩阵或退化矩阵

至于如何求矩阵的逆（可以用数学的方法计算，也可以用编程实现），如何判断一个矩阵有没有逆矩阵等这里不进行介绍，可以自行百度

矩阵的转置

debugBiubiubiu2000
关注
  • 9
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
面向机器学习的线性代数及优化
08-14
面向机器学习的线性代数及优化
机器学习——线性回归介绍及案例实战的数据集（客户价值数据表）
04-06
本资源适用于多元线性回归的Python代码实现，是小编的机器学习——线性回归介绍及案例实战的数据集
机器学习——线性回归数据
03-15
某城市的电网系统需要升级，以应对日益增长的用电需求。电网系统需要考虑最高温度对城市的峰值用电量的影响。项目负责人需要预测明天城市的峰值用电量，他搜集了以往的数据。现在，负责人提供了他搜集到的数据，并请求你帮他训练出一个模型，这个模型能够很好地预测明天城市的峰值用电量。
机器学习——线性回归
04-26
完成一个线性回归的算法，其中train.npz是数据 读取数据的方式为： import numpy as np data = np.load("train.npz") x_array,y_array = data['x'],data['y'] 其中x_array是对2000组特征，每个特征为五维,y_array是这2000组特征的输出，并输出对应的w和b（权重和偏置）
机器学习——线性模型思维导图
11-26
机器学习——线性模型思维导图
吴恩达《机器学习》第三章：矩阵和向量
CodeLuweir 的博客
11-14 445
三、矩阵和向量 向量是特殊的矩阵； 通常：大写字母表示矩阵；小写字母表示向量或其他数字； 标量运算 矢量运算 多个代价函数 矩阵的交换律不成立，但是AI = IA(I单位矩阵）  存在逆矩阵的矩阵：非奇异矩阵； 不存在逆矩阵的矩阵：奇异矩阵，比如零矩阵； 矩阵转置 多变量的线性回归 ...
吴恩达 机器学习笔记三（lecture 3）（矩阵和向量）
11-23 1162
矩阵和向量（Matrices and vectors） m * n的矩阵就是指m行（横向）n列（纵向），Aij是指第i行，第j个元素。一般用大写来表示矩阵。矩阵的运算也比较简单，矩阵求和就是对应位置求和即可，所以维数不同的矩阵不可以求和，矩阵的倍数就是所有位置乘以相应的倍数。还有矩阵的逆（可以用一些工具来求，如Octave 和Matlab），矩阵的转置这些都比较简单。
机器学习数学基础 -- 线性代数矩阵及向量计算
拼命先生的AI之旅
02-22 940
在进行机器学习编程过程中，需要用到一些线性代数的基础知识，以便简化程序的编写，并且可以利用GPU的矩阵运算能力，提高运算效率。本文不作过多的理论解释，只是基于具体的例子来介绍一下矩阵运算的数学基础知识，以便备用。 首先介绍一下什么是矩阵，如下列出了3个矩阵，分别是3行2列，2行3列，3行4列的矩阵 矩阵的加法及减法 两个矩阵的加法，简单描述就是用两个矩阵中相同位置的各个元素依次相加，...
机器学习笔记 - 特殊类型的矩阵和向量
学以致用 知行合一
04-15 1719
对角矩阵，除了对角线之外全都是0。也分为方阵对角矩阵和非方阵对角矩阵。 ​ 如果矩阵是对称的，则有矩阵等于它的转置矩阵，前提是需要是方阵。 ​ 单位向量是长度等于 1 的向量。它可以用带帽子的字母表示。在很多地方也可以称之为归一化。
吴恩达机器学习视频笔记03——矩阵和向量
学习学习学习
10-12 518
注：非常基础的内容，学过线性代数的童鞋可以跳过  矩阵介绍： 左边是一个4×2的矩阵，右边是一个2×3的矩阵 A是一个四行而列的矩阵 A11=1402(表示第一行第一列) A12=191(第一行第二列) A32=1437   矩阵的加法： 相同位置的值依次相加所得一个矩阵，因此两个矩阵只有在行列相同的情况下才能相加...
机器学习+线性代数基础
12-07
机器学习+线性代数基础
机器学习中的数学——矩阵和向量相乘
热门推荐
冯·诺依曼
09-25 1万+
分类目录：《算法设计与分析》总目录 矩阵乘法是矩阵运算中最重要的操作之一。两个矩阵AAA和BBB的矩阵乘积是第三个矩阵CCC。为了使乘法定义良好，矩阵AAA的列数必须和矩阵BBB的行数相等。如果矩阵AAA的形状是m×nm\times nm×n，矩阵BBB的形状是n×pn\times pn×p，那么矩阵CCC的形状是m×pm\times pm×p。我们可以通过将两个或多个矩阵并列放置以书写矩阵乘法： C=ABC=ABC=AB 具体地，该乘法操作定义为： Ci,j=∑kAi,k×Bk,jC_{i, j}=\s
P3 【机器学习】矩阵、向量、乘法特征、逆和转制
张小怪_
09-12 1646
1.矩阵和向量 Metrices and Vectors 1.1矩阵的定义 矩阵可以定义为二维数组。 Matrices are 2-dimensional arrays. 矩阵的例子：下图中展示了一个4x2和2x3的矩阵以及它们的写法。 矩阵中特定元素的表示方法： 1.2向量的定义 向量是只有一行很多列的矩阵，因此向量是矩阵的子集。 A vector is a matrix with one c...
7集成学习评分卡
weixin_34280060的博客
05-15 382
梯度提升最强大的特性之一是它适用于各种各样的损失函数。这意味着我们也可以设计自己的、更加适用于某一特定问题的损失函数来处理我们的数据集和任务的特定属性。某些情况下我们可能需要高召回率（更少的假阴性，在医学诊断中）或高精准率（更少的假阳性，例如，在垃圾邮件检测中），而不是高准确率。在许多此类场景中，通常需要自定义损失函数。
Python 中的分步机器学习
dc爱傲雪和技术
05-15 808
在此步骤中，我们将通过几种不同的方式查看数据：1 数据集的维度。2 查看数据本身。3 所有属性的统计摘要。4 按类变量对数据进行细分。
机器学习笔记 PostgresML教程：使用SQL进行机器学习
学以致用 知行合一
05-14 117
由于 PostgresML 本质上是一个数据库，因此您可以在任何支持 Postgres 的环境中（基本上在任何地方）与其进行交互。它引入了一种称为“数据库内”机器学习的新范式，允许您在 SQL 中执行许多 ML 任务，而无需在每个步骤中使用单独的工具。由于今天的数据库比机器学习模型大好多个数量级，所以PostgresML的思路是，如果我们将模型引入数据集不是会容易得多吗？不过天下没有免费的午餐，需要一路注册、安装该数据库，然后举个例子，可以使用 Kaggle 的Diamonds 数据集创建一个表。
GAN实例基于神经网络
最新发布
JamesSwifte的博客
05-16 343
需要了解GAN的原理查看。采用手写数字识别数据集。
numpy 线性代数 矩阵 向量
08-20
NumPy是一个Python库，提供了广泛的数学和科学计算功能。在NumPy中，有一些线性代数函数可以用于矩阵和向量的计算。一些常用的函数包括： - dot函数计算两个数组的点积，即对应位置的元素相乘并求和。 - vdot函数计算两个向量的点积，即对应位置的元素相乘并求和。 - inner函数计算两个数组的内积，即元素对应相乘并求和。 - matmul函数计算两个数组的矩阵积。 #### 引用[.reference_title] - *1* *2* [NumPy线性代数](https://blog.csdn.net/ccc369639963/article/details/124191889)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [【机器学习必备知识】NumPy线性代数详解](https://blog.csdn.net/qq_46092061/article/details/121863761)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值