0
点赞
收藏
分享

微信扫一扫

吴恩达《机器学习》课程总结(3)_线性代数回顾

学过线性代数的人,这节课内容完全没必要看

Q1矩阵和向量

几行几列即为矩阵。Aij表示第i行第j列。

吴恩达《机器学习》课程总结(3)_线性代数回顾_转置

 

只有一行或者一列的称为向量,向量是一种特殊矩阵。一般向量指的是列向量。

吴恩达《机器学习》课程总结(3)_线性代数回顾_标量_02

 

Q2加法和标量乘法

加法:元素对应相加。

吴恩达《机器学习》课程总结(3)_线性代数回顾_标量_03

 

标量乘法:标量和矩阵每一个元素相乘。

 吴恩达《机器学习》课程总结(3)_线性代数回顾_标量_04

 

Q3矩阵向量乘法

吴恩达《机器学习》课程总结(3)_线性代数回顾_转置_05

Q4矩阵乘法

要求:第一个矩阵的列数等于第二个矩阵的行数,如m x n矩阵与nx 1矩阵相乘,结果为第一个矩阵的行数乘以第二个矩阵的列数。

结果Cij是第一个矩阵第i行和第二个矩阵第j列对应元素相乘求和的值。

吴恩达《机器学习》课程总结(3)_线性代数回顾_线性代数_06

Q5矩阵乘法的性质

不满足交换律:AxB != B x A。

满足结合律:(A x B) x C=A x (B x C)。

单位矩阵I:是对角线为1,其他都为零的方阵。任何矩阵于单位矩阵相乘,矩阵保持不变。

Q6逆、转置

如果矩阵A的逆矩阵存在,则AA-1=A-1A=I。

如果A的转置矩阵是B,则A矩阵第i行第j列元素与B矩阵第j行第i列元素相等。记A=B。

吴恩达《机器学习》课程总结(3)_线性代数回顾_转置_07

转置矩阵的一些性质:

(A±B)T=(A±B)。

(AxB)T=Bx A

(AT=A。

(KA)=KAT

英语名词

 

linear algebra   ---线性代数
matrix element ---矩阵元素
3 by 2 matrix ---3*2矩阵
identity matrix ---单位矩阵
associative property ---结合律
inverse ---倒数,逆
square matrix 方阵
notation ---符号
hypothesis ---假设
multivariate linear regression 多元线性回归

 

  

 

作者:你的雷哥

本文版权归作者所有,欢迎转载,但未经作者同意必须在文章页面给出原文连接,否则保留追究法律责任的权利。

举报

相关推荐

0 条评论