#吴恩达 ·机器学习笔记（③ 线性代数的相关知识）

已于 2022-03-04 17:16:48 修改
阅读量511 收藏
点赞数
分类专栏： 吴恩达机器学习 文章标签： python 机器学习 自然语言处理
于 2022-03-04 09:29:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/rc15680632552/article/details/123259688
版权

DAY 5

矩阵的维数应该写作矩阵的行数×列数
在这里插入图片描述
如何表达矩阵的某个项？
在这里插入图片描述
什么是向量？（大写字母表示矩阵，小写字母表示向量）
向量是只有1列的矩阵
在这里插入图片描述
加法和标量乘法
在这里插入图片描述
在这里插入图片描述
综合运算
在这里插入图片描述

DAY 6

矩阵向量乘法
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
常用的小技巧：
在这里插入图片描述
矩阵乘法
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
常用的小技巧：
在这里插入图片描述
矩阵乘法的特征：
矩阵中乘法不能交换（会改变矩阵的维度）
在这里插入图片描述
矩阵的乘法满足结合律
在这里插入图片描述
单位矩阵
在这里插入图片描述
逆和转置
只有方阵才有逆矩阵（行列数相同称为方阵）
用术语来说：不存在逆矩阵的矩阵，称为 “奇异矩阵” 或称 “退化矩阵” （终于知道啥是奇异矩阵了 ）
在这里插入图片描述
逆的转置运算
在这里插入图片描述

总结

不愧是机器学习神级课程，讲的可以说是超级详细了，接下来也按一天2节课的目标推进⑧~

人生苦短我愛Python
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
吴恩达机器学习笔记（三）线性代数基础
qq_35175666的博客
11-22 440
吴恩达机器学习笔记（三）机器学习中的数学知识
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
吴恩达机器学习课程课后习题资料和代码资料
吴恩达机器学习 学习笔记 之 三 线性代数基础
张之海的博客
01-18 582
由于笔者正处学生阶段，这部分刚刚学习过，所以只浏览一遍视频，不再做完整笔记。 三、线性代数回顾(Linear Algebra Review) 3.1 矩阵和向量 参考视频: 3 - 1 - Matrices and Vectors (9 min).mkv 如图：这个是4×2矩阵，即4行2列，如m为行，n为列，那么m×n即4×2 矩阵的维数即行数×列数 矩阵元素（矩阵项）： ...
【学习笔记】吴恩达机器学习 | 汇总 | 已完结！！！
热门推荐
BenjaminChen的博客
07-16 9万+
【学习笔记】吴恩达机器学习 | 汇总 | 已完结！！！
吴恩达机器学习系列课程笔记——第三章：线性代数回顾(Linear Algebra Review)
weixin_43895667的博客
07-16 336
吴恩达机器学习系列课程笔记——第三章：线性代数回顾(Linear Algebra Review)
《吴恩达机器学习》3 线性代数回顾
JockerWong的笔记工厂
01-19 372
线性代数回顾前言矩阵和向量1、张量2、矩阵3、向量矩阵和向量运算1、矩阵加法2、矩阵与标量乘除法3、矩阵与矩阵乘法（重要警告）矩阵运算特性1、不满足乘法交换律2、满足乘法结合律3、单位矩阵4、特殊技巧逆矩阵和转置1、逆矩阵2、转置总结 前言 线性代数的知识在机器学习中是非常重要的，几乎所有的运算都是基于矩阵（Matrix）、向量（Vector）的运算，因此打好线性代数的基础（不求精通，只要求基本的...
吴恩达机器学习笔记---线性代数复习
qq_45604750的博客
07-08 159
前言 1.矩阵和向量(Matrices and Vectors ) 2.矩阵的加、减、乘、逆和转置 线性代数回顾(Linear Algebra Review)        这一节主要是回顾矩阵和向量的有关知识，比较简单，先罗列一下知识点，再通过代码回顾一下。 矩阵的维数用行数×列数(m×n)来表示 一般用大写字母A，B，C等表示矩阵，用下标指引矩阵中的元素，例如Aij表示是第i行第j列的元素(一般从1开始计数，有时从0开始计数)
吴恩达机器学习笔记（三）——线性代数及应用
XHHP
05-07 235
因为自己有线性代数的基础，所以吴老师讲解的一些线性代数的基础知识就不一一列举，这里只归纳部分知识。 1.案例1 通过矩阵的运算，我们可以快速计算出多个房价的预测值，极大加快速度，如下图： 2.逆矩阵 逆矩阵：如果矩阵A是一个m*m的方阵，且可逆，则 不存在逆矩阵的矩阵称为非奇异矩阵或退化矩阵。 ...
【机器学习】吴恩达机器学习笔记（持续更新）
既是记录，亦是分享。
09-16 955
吴恩达老师机器学习视频课程的笔记，融合了网上资料和自身理解，旨在对知识进行简单的梳理归纳。
【机器学习】机器学习笔记（吴恩达）
欢迎关注【微信公众号】测试开发Guide，从功能测试进阶测试开发
12-25 9451
中文笔记地址 http://www.ai-start.com/ml2014/html/week1.html 视频地址 https://www.bilibili.com/video/BV164411b7dx?p=4 https://study.163.com/course/courseLearn.htm?courseId=1210076550#/learn/video?lessonId=1280912351&courseId=1210076550 https://study.163.com/cours
机器学习课笔记_吴恩达机器学习笔记_
10-01
吴恩达机器学习视频配套笔记，大家可以在B站上搜索视频进行学习
2022吴恩达机器学习笔记汇总(共10章节).zip
12-27
2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip...
对于吴恩达机器学习的学习笔记
04-13
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 ...
基于JavaScript 如何实现爬山算法以及优化方案
乐闻世界
06-10 1194
爬山算法（Hill Climbing Algorithm）是一种常见的启发式搜索算法，常用于解决优化问题。其核心思想是从一个初始状态出发，通过逐步选择使目标函数值增大的邻近状态来寻找最优解。接下来，我们将通过 JavaScript 实现一个简单的爬山算法，帮助大家理解其原理和应用。从一个初始状态开始。评估当前状态的目标函数值。在当前状态的邻居中选择一个目标函数值更大的状态。如果找到了更优的邻居，则移动到该邻居并重复步骤2和步骤3。如果没有更优的邻居，则算法结束，当前状态即为局部最优解。
htb_Blurry
weixin_62621015的博客
06-13 392
hack the box linux
GLM+vLLM 部署调用
最新发布
qq_38915354的博客
06-13 552
vLLM 框架是一个高效的大型语言模型（LLM）推理和部署服务系统
找出Python潜在的编程问题
svygh123的专栏
06-13 783
Pylint 是一个非常强大的静态代码分析工具，主要用于检查 Python 代码的语法错误、代码风格问题以及潜在的编程错误。它是 Open Source Initiative 认证的开源软件，由 Logilab 团队开发维护。
Java——简单图书管理系统
m0_74100417的博客
06-09 1234
数据类型变量iffor数组方法类和对象封装继承多态抽象类和接口今天就是把上述知识点全部都用起来 图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理系统图书管理
吴恩达机器学习笔记 pdf
01-08
这本pdf提供了从基础的监督学习、无监督学习到深度学习等内容的详细讲解，涵盖了从原理到实践的全面知识，对于想要深入学习机器学习的同学来说，是一份非常宝贵的学习资料。 在这份笔记中，吴恩达详细介绍了机器...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

人生苦短我愛Python

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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