![13825820-ab07bf3a4b492880.jpg](https://i-blog.csdnimg.cn/blog_migrate/633570d698cd992a8d75808427b726bd.jpeg)
我们在学习机器学习的时候会接触到很多数学知识,比如说线性代数,高等数学。其实只要是和计算机有关的学科都是离不开数学的,而机器学习中涉及到的数学知识都是有难度的,也算是高等数学。而在机器学习中用到线性代数的地方有很多,但是大家对于线性代数在机器学习的作用不是很了解,在这篇文章中我们就给大家介绍一下这些知识。
1.将具体事物抽象为数学对象
线性代数是什么?就是数量和结构的一个组合,也就是说,线性代数等于数量加上结构。本身数量呢,它是一个单独的数。对于单个的数我们没有结构可言,对于单个的对象没有结构可言。但是当我们把一组数,或者一堆数排列到一块儿的时候,这个排列不是随机的排列,而是有一定的顺序进行排列的时候,这个时候,数目之间的顺序或者数量之间的顺序就形成了一种结构,这个结构就可以蕴含一定的信息,能够供我们去使用。除了顺序之外,结构还有另外一层含义。我可以对数量定义一些运算。在线性空间里面我们提到,基本的运算包括什么呢?包括加法,包括数乘,这样一些运算。有了运算之后,我们就可以对不同的对象,单个的数目放在一块儿,按照一定的顺序排列在一起,我们可以把它组成一个向量,组成这样一个对象。那么有了加法,数乘这样一些运算之后,你就可以对这个对象再来进行一些操作。这样的话,就实现了把具体事物给它抽象成数学对象,这样的一个过程。这就是线性代数最主要的一个作用。
2.提升大规模运算的效率
其次,线性代数能够给提升大规模运算的效率。因为在现代的机器学习当中,我们要处理的数据都是海量的数据,数据的数量是呈指数形式的增长。我们要处理的数据越来越多,如果只是简单地说,用最传统的方法,用一个一个的for循环去处理高维的矩阵,它的效率肯定是相当低下。有了线性代数之后,我们可以把矩阵的运算引入到机器学习的算法当中,通过一些额外的库,或者一些额外的软件包,提升大规模运算的效率。
同归对线性代数在机器学习中的作用的介绍,想必大家已经对线性代数有了一定的了解,所以我们学好线性代数,这样我们才能够更好地开展机器学习的工作。希望这篇文章能够帮助到大家。