机器学习-----数学基础

一、矩阵

        1、矩阵的基本形式

        2、行列式

        3、转置

        4、矩阵的一般运算

        5、哈马达乘积   

二、向量【向量为行数或列数为1的特殊矩阵】

        1、向量的基本格式

        2、向量的点乘

        3、向量的范数

 

三、距离度量【来衡量两个图片特征向量的相似性，从而得以衡量两张图片的相似性】  

【余弦距离是非常常用的衡量向量之间距离的公式，常用于人脸识别特征相似度度量中】

 四、卷积

        卷积的通常意义是加权求和，其中权值矩阵称为加权模板或卷积核或滤波器。通过不同的卷积核，可以实现对图像的模糊处理，边缘检测，图像分割等。因为图像为离散信号，故接触到的卷积为离散卷积。一维卷积常用于自然语言处理和序列模板。二维卷积主要应用于计算机视觉领域。