开篇
机器学习里面有着众多的数学理论,虽说笔者是数学系出生。但是对于机器学习中的一些基本的数学理论有所遗忘,在这里总结回顾在机器学习过程中用到的数学知识。本文会随着学习过程,不断更新。欢迎留言评论,共同进步。
矩阵知识
如果XY=I,(I是单位矩阵),则称X是Y的逆矩阵。矩阵要可逆必须是方阵(即行数等于列数),即使矩阵是方阵,它也可能不可逆。如果某个矩阵不可逆,则称它为奇异或退化矩阵。
如果某个矩阵的一列可以表示为其他列的线性组合,则该矩阵是奇异矩阵。如果能这样表示,则可以把矩阵的一列全部规约为其他列的线性组合,则该矩阵是奇异矩阵。如果能够这样表示,则可以把一列全部规约为0。
矩阵求逆的步骤的办法很多,常用的可以补单位矩阵,通过行变化求得。
Gram矩阵
Gram中文名称为格拉姆矩阵,它是个有广泛应用的矩阵,其定义如下。
定义: n 维欧式空间中任意
k(k≤n) 个向量 α1,α2,...,αk 的内积所组成的矩阵
Δ(α1,α2,...,αk)=⎛⎝⎜⎜⎜⎜(α1,α1)(α2,α1)...(αk,α1)(α1,α2)(α2,α2)...(αk,α2)............(α1,αk)(α2,αk)...(αk,αk)⎞⎠⎟⎟⎟⎟
称为 k 个向量α1,α2,...,αk 的格拉姆矩阵(Gram矩阵),它的行列式称为Gram行列式。
定理1
欧式空间中向量 α1,α2,...,αk 的Gram矩阵一定是半正定矩阵,是正定矩阵的充要条件是 α1,α2,...,αk