机机器学习入门~线性代数知识复习

本文回顾了线性代数中的基本概念,包括矩阵、向量及其表示,探讨了矩阵的加减法、数乘以及矩阵乘法的特性。介绍了矩阵乘法在机器学习中的应用,如数据预测,同时也讨论了矩阵乘法的交换性和结合律。此外,还提到了单位矩阵的重要性质以及矩阵的逆和转置。
摘要由CSDN通过智能技术生成

矩阵和向量

①矩阵(Matrix):有数字组成的矩形阵列,并写在方括号内。
矩阵的维数:矩阵的行数×列数。
e.g.1 维数 = 4 × 2 Matrix(R(4×2)
在这里插入图片描述
e.g.2 维数 = 2 × 3 Matrix(R(2×3)
在这里插入图片描述
矩阵中的元素(Matrix Elements)(entries of matrix)
在这里插入图片描述
其中,i代表行数的索引,j代表列数的索引。
②向量(Vector):一个n × 1的矩阵。
e.g. n = 4 的 向量 (R4)
在这里插入图片描述
向量中的元素:yi来表示向量y的第i个元素。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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