机器学习所需要的数学基础知识—矩阵(1)

本系列文章为机器学习所需要的数学基础知识,在机器学习文章中如需要,会给出本系列文章的链接,如有问题欢迎给我留言。数学公式使用Letex编辑,原文博客http://blog.csdn.net/rosetta

  • A∈Rm∗nA\in \mathbb{R}^{m*n}A∈Rm∗n表示m行n列的矩阵A,矩阵中的每个元素都是实数。

  • x∈Rnx\in \mathbb{R}^{n}x∈Rn表示n维向量。通常,n维向量可用n行1列的矩阵表示,这叫做列向量。记作α=⟮x1x2⋮xn⟯\alpha=\left\lgroup\begin{array}{ccc} x_{1} \\ x_{2} \\ \vdots \\ x_n \end{array} \right\rgroupα=⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧​x1​x2​⋮xn​​⎭⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎫​ 如果想表示的简单的可使用行向量,比如用α=⟮x1x2⋮xn⟯=(x1,x2,…,xn)T\alpha=\left\lgroup\begin{array}{ccc} x_{1} \\ x_{2} \\ \vdots \\ x_n \end{array} \right\rgroup=(x_1,x_2,\dots,x_n)^Tα=⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧​x1​x2​⋮xn​​⎭⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎫​=(x1​,x2​,…,xn​)T

  • 使用aija_{ij}aij​(或者AijA_{ij}Aij​、Ai,jA_{i,j}Ai,j​)表示矩阵AAA的第iii行,第jjj列那一项。A=⟮a11a12…a1na21a22…a2n⋮⋮⋱⋮am1am2…amn⟯A=\left\lgroup\begin{array}{ccc}a_{11} & a_{12} & \dots & a_{1n} \\ a_{21} & a_{22} & \dots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots\\ a_{m1} & a_{m2} & \dots & a_{mn} \end{array}\right\rgroupA=⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧​a11​a21​⋮am1​​a12​a22​⋮am2​​……⋱…​a1n​a2n​⋮amn​​⎭⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎫​

  • 使用aja_{j}aj​或A:,jA_{:,j}A:,j​表示矩阵A的第j列A=⟮∣∣∣a1a2…an∣∣∣⟯A=\left\lgroup\begin{array}{ccc} \mid & \mid & &\mid \\ a_{1} & a_{2} & \dots & a_{n}\\ \mid & \mid & & \mid \end{array}\right\rgroupA=⎩⎪⎪⎪⎪⎪⎧​∣a1​∣​∣a2​∣​…​∣an​∣​⎭⎪⎪⎪⎪⎪⎫​

  • 使用aiTa^{T}_{i}aiT​或AiA_iAi​表示矩阵A的第i行
    A=⟮−a1T−−a2T−⋮−a2T−⟯A=\left\lgroup\begin{array}{ccc} - & a^{T}_{1} & - \\ -& a^{T}_{2} & - \\ & \vdots\ & \\ -& a^{T}_{2} & - \\ \end{array}\right\rgroupA=⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧​−−−​a1T​a2T​⋮ a2T​​−−−​⎭⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎫​


补充下向量的概念
n个有序的数a1,a2,…,ana_1,a_2,\dots,a_na1​,a2​,…,an​所组成的数组(a1,a2,…,an)(a_1,a_2,\dots,a_n)(a1​,a2​,…,an​)称为n维向量,简称向量。使用矩阵表示向量α\alphaα记为α=⟮a1a2⋮an⟯\alpha=\left\lgroup\begin{array}{ccc} a_1 \\ a_2 \\ \vdots \\ a_n \end{array}\right\rgroupα=⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧​a1​a2​⋮an​​⎭⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎫​
或者αT=⟮a1a2…an⟯{\alpha}^T=\lgroup\begin{array}{ccc} a_1 a_2 \dots a_n \end{array}\rgroupαT=⟮a1​a2​…an​​⟯

参考文献

  1. 斯坦福大学吴恩达老师cs229公开课视频
  2. css299课后配套知识Section notes 1 (pdf) Linear Algebra Review and Reference

如有疑问之处欢迎加我微信交流,请备注“CSDN博客”

机器学习所需要的数学基础知识---矩阵(1)相关推荐

  1. 【机器学习中的数学基础】矩阵特征值、特征向量和特征值分解的几何意义

    [机器学习中的数学基础]矩阵特征值.特征向量和特征值分解的几何意义 在<机器学习>西瓜书中的第十章提到了"多维缩放"(简称MDS)方法,该方法是一种经典的的降维方法.此 ...

  2. 研究机器学习需要什么样的数学基础?

    豆瓣的话题: 研究机器学习需要什么样的数学基础? 来自: 求真 2013-07-11 13:44:22 我是小硕一枚,研究方向是机器学习.通过阅读一些机器学习的教科书,发现机器学习对于数学基础要求比较 ...

  3. 机器学习初学者手抄本:数学基础、机器学习经典算法、统计学习方法等

    机器学习怎么学?当然是系统地学习了.没有时间这么办呢?利用碎片时间学习!很多人一天要花 2 个小时通勤,通勤路上有很多时间看手机.于是我把一些机器学习的基础知识做成了在线的机器学习手册,只需打开微信收 ...

  4. 机器学习都需要有哪些数学知识?

    随着科技的快速发展,人工智能的重要性日渐显现. 机器学习是一个异常丰富的研究领域,有大量未解决的问题:公正.可解释性.易用性.如同所有的学科一样,它的基本思想不是请求式的过程,而是需要耐心地用高级数学 ...

  5. 【知识】人工智能数学基础知识

    数学是打开科学大门的钥匙.--培根 数学基础知识蕴含着处理智能问题的基本思想与方法,也是理解复杂算法的必备要素.今天的种种人工智能技术归根到底都建立在数学模型之上,要了解人工智能,首先要掌握必备的数学 ...

  6. java相关的数学知识_程序员必备的一些数学基础知识

    作为一个标准的程序员,应该有一些基本的数学素养,尤其现在很多人在学习人工智能相关知识,想抓住一波人工智能的机会.很多程序员可能连这样一些基础的数学问题都回答不上来. 矩阵A(m,n)与矩阵B(n,k) ...

  7. ​机器学习中必要的数学基础!

    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:Benjamin Obi Tayo 来源:机器之心 作为一门基础性 ...

  8. 机器学习中的基本数学知识

    注:本文的代码是使用Python 3写的. 机器学习中的基本数学知识 线性代数(linear algebra) 第一公式 矩阵的操作 换位(transpose) 矩阵乘法 矩阵的各种乘积 内积 外积 ...

  9. 吴恩达机器学习笔记:(四)矩阵、多元梯度下降

    吴恩达机器学习笔记 矩阵基础知识 矩阵逆运算 矩阵的转置 实践乘法 多元梯度下降 特征缩放 学习率α 矩阵基础知识 矩阵逆运算 矩阵的转置 实践乘法 多元梯度下降 特征缩放 学习率α 学习率的选择:

最新文章

  1. iOS开发之protocol和delegate
  2. linux shell if运行,bash – shell脚本执行检查是否已经在运行
  3. Django 2 零基础 - 待办清单网站
  4. PyTorch 1.0 中文官方教程:什么是 PyTorch
  5. ceph(7)--Ceph 的基本操作和常见故障排除方法
  6. 微软和火眼又分别发现SolarWinds 供应链攻击的新后门
  7. 蓝桥杯 ALGO-101 算法训练 图形显示
  8. Session基础知识
  9. MAC 下MySQL常用命令
  10. 《Python和Pygame游戏开发指南》——导读
  11. 微信快捷回复技巧秘籍
  12. 解决win10桌面无法删除ie浏览器图标
  13. python中response是什么意思_对python中各个response的使用说明
  14. python的合法命名,以下不是Python语言合法命名的是:A、MyGod5B、5MyGodC、_...
  15. java 验证手机号
  16. MFC 句柄Hwnd 与 窗口Wnd的联系
  17. 百度UEditor 图片粘贴上传,实现图文粘贴,图片自动上传
  18. 使用XML表达表格数据
  19. 浅析微营销的几个成功模式
  20. 项目经理常用软件大全

热门文章

  1. Office 365:用AI进化生产力平台
  2. 正则表达式验证可发短信的号码,如手机号和小灵通号码(106+区号+号码)
  3. 使用vtwinfx插件时fcpx意外退出_FCPX插件 60个自媒体文字标题字幕条Motion Graphics Pack...
  4. [深入研究4G/5G/6G专题-50]: URLLC-16-《3GPP URLLC相关协议、规范、技术原理深度解读》-10-高可靠性技术-1-低编码率编码调制方案MCS与高可靠性DRB
  5. 复盘_7月(第5周工作复盘)
  6. 35. 池化层 / 汇聚层 代码实现
  7. 同样是2080ti,为什么华硕卖一万二,七彩虹卖八千?
  8. vuex源码分析-知其然,知其所以然
  9. textarea焦点的用法(获取焦点清空,失去焦点提示)
  10. QQ汉字验证码原理(C#随机中文汉字验证码)