DAY3:
课程3.1
矩阵的定义(matrix)
-
矩阵另一种说法可以称其为二维数组
-
矩阵的内部规定:
字符 | 含义(内部规定) |
---|---|
大写(ABC) | 矩阵 |
小写(abc) | 向量 |
- 矩阵的写法:
- 矩阵内部数字的表示:
- 矩阵的特定维度表示:
课程3.2
矩阵的加减乘除法则
- 矩阵必须在具有
相同维度
的情况下,才可以进行相加运算 - 常数与矩阵的乘法 == 常数
依此乘以
矩阵的每个数 - 常数与矩阵相乘
满足交换律
,即3×R = R×3
实例:
课程3.3
矩阵与矩阵相乘(多×单)
- 第一行乘以第一列作为结果的第一行第一列的值
- 第二行乘以第一列作为结果的第二行第一列的值
- 记住:是对应相乘
- 例如 :1×1+3×5=16(第一行第一列)
- 例如 :1×1+3×5=16(第一行第一列)
- 对于我们的数据集,我们也可以很容易的得到所要的值
house size | h(x) |
---|---|
2104 | -40×0.25x |
1416 | same |
1534 | same |
852 | same |
将上面的表格变成线性方程的计算:
这样子的转换,有利于我们对不同的线性方程得到的解的不同进行对比
课程3.4
进一步加深上一个题目的解,将回归方程设置为多个不同,求得最终的结果
house size |
---|
2104 |
1416 |
1534 |
852 |
h(x) |
---|
-40 + 0.25x |
200 + 0.1x |
60 - 1.4x |
计算出每个house size
对应的h(x)的值为多少?
一般我们的思路就是,一个个带入进行计算,但是要是数据加大,变成上千个,我们也进行加大计算吗?
所以就用到我们上一节讲到的矩阵的方式:
这样子就会很方便的得到我们想要的数据
课程3.5
矩阵的特性
- 但是当矩阵B是方阵的时候,他的m与n相同,所以满足交换律
单位矩阵:I(一般用大写字母i表示):
- 单位矩阵的规律:
课程3.6
逆矩阵 - inverse
- 其中A必须是一个方阵 (行列相同)
- 用
octave语言
计算A的逆矩阵十分方便,直接pinv(A)
即可
课程3.7
转置矩阵
- 矩阵的转置就是,第一行变成第一列,第二行变成第二列
- 原本是
2×3
矩阵,变成3×2
矩阵
今天的学习其实很轻松,因为线代我学过
但是也有很多新的知识点灌入,比如如何用octave把逆矩阵求解出来,如何对多行矩阵做乘法(与平时老师讲课的不太相同)
虽然这是篇笔记博客,但是也算是一篇我个人的收获博客,就算以后太久没看线代了,看了这篇博客也可以捡起自己的知识!
继续努力,在开学前过一遍机器学习!