线性代数
文章平均质量分 92
从空间理解线性代数,并深入到机器学习实战应用中。
yoke菜籽
潜心学术,唯物主义
展开
-
机器学习-线性代数-4-解方程组
意味着解空间中任意一个解向量与零空间中任意一个向量相加的结果也是解向量,用向量相加的几何意义来描述就是:零空间里的某个向量沿着这个特解向量x,进行移动,移动后的结果是另外一个解向量。,意味着列空间的维度小于原空间的维度,即映射存在空间的压缩。意味着在这种情况下,方程组一定有解,且仅有一个解。:矩阵列空间的维度,也是映射后向量集合构成子空间的维度。,列空间的维度小于目标空间的维度,列空间仅仅是目标空间。的一个子空间,因此问题来了,如果我们在目标空间中挑选的。意味着,映射后的列空间和原空间的维数相等,都是。原创 2023-05-30 22:06:27 · 894 阅读 · 0 评论 -
机器学习-线性代数-3-逆映射与向量空间
从向量空间到子空间,然后再派生出某个具体矩阵A的四个子空间:列空间、零空间、行空间和左零空间。这是我们关于矩阵空间概念的一条完成知识线索,而贯穿这条线索的关键环节就是空间的维度和矩阵的秩,这是空间概念的重中之重。原创 2023-05-29 22:26:15 · 1561 阅读 · 0 评论 -
机器学习-线性代数-2-矩阵与空间映射
线性代数第二篇,关于矩阵空间上的理解。原创 2023-05-28 19:55:45 · 1219 阅读 · 0 评论 -
机器学习-线性代数-1-向量、基底及向量空间
线代在机器学习中有着重大意义,谨以此文作为我重新学习线性代数的开篇笔记。原创 2023-05-23 21:43:30 · 1782 阅读 · 0 评论