# 机器学习python:机器学习相关矩阵知识(三)矩阵

这篇博客介绍了机器学习中矩阵的基础知识,包括矩阵的定义、类型(如方阵、转置矩阵、对称矩阵、零矩阵、对角矩阵和单位矩阵)以及矩阵的运算,如加法、数乘和矩阵乘法。同时,提到了相关Python实现的知识。
摘要由CSDN通过智能技术生成

机器学习:机器学习相关矩阵知识(三)

矩阵

定义:矩阵是可以看成n个m维列向量从左向右排列,或n个m维行向量从上到下排列。直接来看是一个m×n的数字方阵 (注意向量可以看为一维矩阵)。
分类:
1.方阵
行数与列数相等的一类矩阵。行数或者列数成为他的阶数,常见的有3阶方阵,4阶方阵及3×3,4×4的数字方阵。
2.转置矩阵
将矩阵Γ上的每行上的元素与每列上的元素调换位置称作矩阵的转置。
如:
在这里插入图片描述
3.对称矩阵
当一个矩阵A的转置矩阵等于原矩阵,我们则称这个矩阵A为对称矩阵。
4.零矩阵
矩阵中每行每列元素均为0的矩阵称为零矩阵,记作
0
.
5.对角矩阵
对角矩阵是一种特殊的方阵,其除了对角线上有元素之外,其他元素均为0.
6.单位矩阵
单位矩阵是一种特殊的对角矩阵,即对角线上的元素均为1,记作 I.

矩阵的相关运算

1.加法
矩阵加法与向量加法相同,需要两个等规模(行列数相等)的矩阵,将每行每列的对应位置数相加得到相应矩阵,此处我们用一维矩阵向量距离:
在这里插入图片描述
2.数乘
矩阵的数乘与向量相同,即用标量乘以矩阵个位置元素,此处我们用一维矩阵举例:
在这里插入图片描述
3.矩阵乘法
两个矩阵相乘需要满足以下规则:① 左边矩阵的列数与右边矩阵的行数必须相同;②左边矩阵的行数决定运算结果矩阵的行数;③右边矩阵的列数决定了最终运算结果的列数。举证乘法简单记就是行乘列,具体过程如下
在这里插入图片描述

相关python知识

import numpy as np
#1.生成矩阵
A = np.array([[1,2,3],[4,5,6],[7,8,9]])
B = np.array(
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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