2019.6.24 Coursera Machine Learning 第一周 课程笔记+练习题（二）

1.Matrices and Vectors

维度(dimension):指的是行*列

Aij:表示第i行，第j列

向量(vector):一种特殊的矩阵，只有一列

R4:表示四维向量

y1:表示第一个元素

2.Addition and Scalar Multiplication

scalar:标量

矩阵加法、矩阵乘法、标量乘法的运算规则

3.Matrix-Vector Multiplication(矩阵向量乘法)

根据数据集、假设函数、我们可以快速计算出房子的价格

有人提问：使用矩阵计算和直接计算有什么区别吗？

答：使用矩阵计算我们可以仅用一行代码搞定，且效率高。

试想数据集如果很大，不使用矩阵乘法计算，我们要写for循环，性能极差。

4.Matrix-Matrix Multiplication（矩阵-矩阵乘法）

同上，现在我们有3个假设函数

5.Matrix Multiplication Properties(矩阵乘法特性)

1.不满足交换律：顺序不可交换：A*B不等于B*A

2.满足结合律：A*B*C=A*(B*C)

6.Inverse and Transpose(反转和转置)

1.矩阵的逆：

主流编程语言对封装了函数

2.奇异矩阵、退化矩阵：逆矩阵不存在

3.转置矩阵