ML重要的一个元素----向量

首先放一张图，网上摘的

这个和神经元，是不是看起来很类似。轴突通过突触传递xxxx到另一个细胞的树突。

神经网络的文章：  https://blog.csdn.net/illikang/article/details/82019945#second

向量是线性代数中的基本概念，也是机器学习的基础数据表示形式。例如计算机阅读文本的过程首先就会将文本分词，然后用向量表示。这是因为向量很适合在高维空间中表达和处理。在机器学习中会接触到的诸如投影、降维的概念，都是在向量的基础上做的

线性代数中“n维向量”中的“n维”是指向量的元素个数为n。比如，三维向量的形式为α=(x1,x2,x3)，五维向量的形式为β=(x1,x2,x3,x4,x5)。

向量，指具有大小和方向的几何对象，可以形象化地表示为带箭头的线段：箭头所指，代表向量的方向、线段长度，代表向量的大小。

import numpy as np
a = np.array([-1, 2])
b = np.array([3, 1])
print(a - b)

 

 同理，减法也可以这么玩。

 关于向量的计算，可以参考： https://blog.csdn.net/qq_23869697/article/details/82693000

如果有侵权。请联系我删除。