吴恩达机器学习【第三天】线性代数基础知识

前言：昨天又偷懒了，学到一半就跑了
之前觉得机器学习对线性代数的要求很高，但是在这个课程中，老师给出的线性代数基础知识，却很少，更多是强调应用。

文章目录

矩阵是什么
矩阵的加法和减法【与常数相乘】
矩阵与矩阵相乘
- 矩阵与矩阵相乘的特点
矩阵的逆矩阵和转置

矩阵是什么

首先，说一下矩阵，比如下面这个矩阵，你明白他的第 i 行和第 j 列存放是什么数据就好了，以及左右两边是个中括号。

目前我看来矩阵是一个工具，按照一定规则来存放数据的工具。

矩阵的加法和减法【与常数相乘】

矩阵要有相同的格式才能够相加减，比如下面的例子：
然后就按照对应的位置相加减就可以了。

矩阵的点乘，所谓的点乘就是多个相同的矩阵相加的结果，看下面的例子：

矩阵与矩阵相乘

记住一个口诀，第一个矩阵的第 i 行的与第二个矩阵的第 j 列中的每个数字相乘相加，就得到输出矩阵的 i 行 j 列的数字。

tips：这里的话，少讲两个矩阵的相乘的条件：第一个矩阵的列数要与第二个矩阵的行数相同。

矩阵与矩阵相乘的特点

必须按照顺序相乘

单位矩阵I（相当于乘法的1，与任何数相乘等于那个数）：

矩阵的逆矩阵和转置

逆矩阵这个比较好理解，就是两个数相乘为单位矩阵（至于为什么具有唯一性，可以看看线性代数的课本~~）

转置的话，就是把行变成列，列变成行就可以了。

课程链接：https://www.coursera.org/learn/machine-learning
谢谢老师~~

吴恩达机器学习【第三天】线性代数基础知识相关推荐

吴恩达机器学习——第三周学习笔记
二元分类(Binary Classfication) 分类,一种方法是使用线性回归,将所有大于0.5的预测映射为1,将所有小于0.5的预测映射为0.然而,这种方法并不能很好地工作,因为分类实际上不是一 ...
吴恩达机器学习笔记——Day2——Octave使用基础
观看的视频来自网易云课堂--<吴恩达机器学习> http://吴恩达机器学习 - 网易云课堂 https://study.163.com/course/courseMain.htm?cou ...
西瓜书+实战+吴恩达机器学习（三）机器学习基础（多分类、类别不平衡）
文章目录 0. 前言 1. 多分类学习 2. 类别不平衡如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔,我会非常开心的~ 0. 前言本篇介绍机器学习中的多分类和类别不平衡问题. 1. 多分 ...
吴恩达机器学习第三章课堂笔记
3.1 矩阵和向量矩阵就是数字组成的矩形阵列,并写在方括号内,也可以说是二维数组的另一种说法. 两行三列的矩阵,可以用花体 R 的 2*3表示.如果是单列的矩阵,如下图我们可以称这个 y 是四维 ...
吴恩达机器学习（三）—— Logisitic回归
文章目录 1. 分类问题 2. 假设表示 3. 决策边界 4. 代价函数 5. 梯度下降 6. 高级优化 7. 多类别分类 Logistic回归是一种广义的线性回归分析模型.它是一种分类方法,可以适用 ...
吴恩达机器学习笔记三之逻辑回归
本节目录: 分类问题假说表示判定边界代价函数高级优化多类别分类 1.分类问题在分类问题中,我们尝试预测的是结果是否属于某一个类(例如正确或错误).分类问题的例子有:判断一封电子邮件是否是 ...
（英文版）吴恩达机器学习第三周笔记
Logistic Regression 这是我在coursera上看Andrew Ng的machine learning做的英文版笔记,可以帮助学英语的小伙伴熟悉熟悉一些专业术语在英文中的表达.由于笔 ...
吴恩达机器学习（三）模型描述
单变量线性回归给定一组数据点输入 {x(1) , . . . , x(m) } 和其对应的输出 {v(1) , . . . , y(m) },我们想要建立一个算法,学习如何从 x 预测 y . 举 ...
吴恩达机器学习笔记三
梯度下降梯度下降是一个用来求函数最小值的算法,我们将使用梯度下降算法来求出代价函数J(θ0,θ1)J(\theta_0,\theta_1)J(θ0,θ1)的最小值. 这里可以想象一下下山的画面 ...
吴恩达机器学习+林轩田机器学习+高等数学和线性代数等视频领取
机器学习一直是一个热门的领域.这次小编应大家需求,整理了许多相关学习视频和书籍. 本次分享包含:台湾大学林轩田老师的[机器学习基石]和[机器学习技法]视频教学.吴恩达老师的机器学习分享.徐小湛的高等数 ...