NumPy解释线性代数

作者|Soner Yıldırım 编译|VK 来源|Towards Data Science

机器学习和深度学习模型需要大量的数据。它们的性能在很大程度上取决于数据量。因此，我们倾向于收集尽可能多的数据，以建立一个稳健和准确的模型。数据以多种不同的格式收集，从数字到图像，从文本到声波。然而，我们需要将数据转换为数字以便对其进行分析和建模。

仅仅将数据转换为标量（单个数字）是不够的。随着数据量的增加，使用标量的操作开始变得低效。我们需要向量化或矩阵运算来有效地进行计算。这就是线性代数发挥作用的地方。

线性代数是数据科学领域的重要课题之一。在这篇文章中，我们将通过使用NumPy的例子来介绍线性代数的基本概念。

NumPy是Python的一个科学计算库，是许多库（比如Pandas）的基础。

---

线性代数中的对象类型

线性代数中的对象（或数据结构）类型：

• 标量：单个数字

• 向量：数字数组

• 矩阵：二维数字数组

• 张量：N>2的N维数列

标量就是一个数字。我们将在下面的示例中看到，它可以用于向量化操作。

向量是一组数字。例如，5个元素的向量：