【吴恩达机器学习教学视频笔记】

Steve1z

已于 2022-09-04 12:25:12 修改

阅读量351

点赞数

文章标签：机器学习

于 2022-09-03 11:12:39 首次发布

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/Steve1z/article/details/126674527

版权

本文回顾了线性代数中的基本概念，包括矩阵的加法、标量乘法和向量乘法，重点讲解了矩阵乘法的规则和性质。通过实例展示了矩阵乘法在预测分析中的应用，如如何利用矩阵运算简化多个假设函数对房价的预测。还介绍了矩阵的转置和逆，强调了单位矩阵的重要性。这些基础知识对于后续的数学建模和数据分析至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第三章线性代数知识回顾（Linear Algebra review）

第一、二、三节

主要回顾了矩阵的元素和向量的定义，以及矩阵加法、矩阵标量乘法和矩阵向量乘法。

第四节矩阵乘法

主要回顾了矩阵与矩阵相乘的规则和计算方法。 $A\times B=C$

并通过下图的例子阐述了矩阵乘法的用处，通过一次矩阵乘法可以进行大量运算。

如上图所示，已经知道四个房子的大小，并得到了三个不同的假设函数，现在需要预测房屋的价格，如果同时使用三个假设函数进行房价预测，采用矩阵乘法就会变得更加方便。左侧的矩阵代表不同房子的面积，中间的矩阵代表不同的假设函数，右侧的矩阵每一行代表着不同假设函数预测的房价。

第五节矩阵乘法的性质

矩阵乘法不满足交换律但满足结合律，同时也介绍了单位矩阵I。

$A\times B\neq B\times A$

$A\times \left ( B\times C \right ) = \left ( A\times B \right )\times C$

$A\times I=I\times A=A$

第六节矩阵的转置和逆

如果一个矩阵A，它是方阵，且满足 $AB=I$ ,则矩阵B就是矩阵A的逆矩阵，记为 $A^{-1}=B$ 。

矩阵的转置即将矩阵的行列互换，记为 $A^{T}$ 。当 $B=A^{T}$ ，则有 $A_{ij}=B_{ji}$ 。

有了这些矩阵的知识，对接下来的学习会很有帮助。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。