机器学习中级课程笔记——2.2向量矩阵基础---标量，向量，矩阵，张量

2.2向量矩阵基础

向量以及它的基本运算

对于数据的表示,我们经常会碰到几个概念:
标量 (scalar), 向量 (vector), 矩阵 (matrix)和 张量 (tensor)。
不管使用 sklearn , Pytorch ,还是 Tensorflow 也好,一定要掌握这几个概念。即便工具化趋势越来越明显,而且我们可以把模型当作黑盒子来对待,但唯一绕不开的是这个“黑盒子的”输入和输出,而且输入和输出必须要以标量、向量、矩阵或者张量的方式来表示。

以简便理解为主，以机器学习所需要理解的层次深度为主：
标量(scalar)：没有方向的数值
向量(vector)：多个数值（标量）组成的一个量
矩阵(matrix)：多个向量的组合
张量(tensor)：理解一：把标量看作0维，向量看作1维，矩阵看作2维，张量则是n维（n>=3）; 理解二：多个矩阵的组合