《深度學習》學習筆記一——線性代數
目錄
標量、向量、矩陣和張量
- 標量(scalar):一個標量就是一個單獨的數,它不同與線性代數中研究其他大部分物件(通常是多個數的陣列)。我們用斜體表示標量。標量通常被賦予小寫的變數名稱,比如:
- 向量(vector): 一個向量是一列數。這些數都是有序排列的。通過次序中的索引,我們可以確定每個單獨的數。通常我們賦予向量粗體的小寫變數名稱.比如:
- 矩陣(matrix):矩陣是一個二維陣列,其中的每一個元素由兩個索引(而非一個)所確定。我們通常會賦予矩陣粗體的大寫變數名稱,比如:
- 張量(tensor):在某種情況下,我們會討論座標超過兩維的陣列。一般的,一個數組中的元素分佈在若干維座標的規則網格中,我們稱之為張量,使用表示,張量中座標為的元素記作
Python程式碼實現
使用Python建立普通二維矩陣
import numpy as np
m = np.mat([[1,2,3],[4,5,6]])
print m
輸出為:
[[1 2 3]
[4 5 6]]
使用zeros
建立一個的0矩陣,還可以使用ones
from numpy import *
import numpy as np
m = np.mat(zeros((3,2)))
print m
輸出為:
[[0. 0.]
[0. 0.]
[0. 0.]]
建立單位矩陣,單位矩陣部分有介紹
from numpy import *
import numpy as np
m = np.mat(eye(3,3,dtype=int))
print m
輸出為:
[[1 0 0]
[0 1 0]
[0 0 1]]
轉置
轉置(transpose)是矩陣的重要操作之一。矩陣的轉置是以對角線為軸的映象,這條從左上角到右下角的對角線被稱為主對角線
標量可以看作只有一個元素的矩陣。因此,標量的轉置等於它本身,
矩陣的轉置也是一種運算,滿足下述運算規律(假設運算都可行的):
1.
機器學習實戰筆記一:K-近鄰演算法在約會網站上的應用
K-近鄰演算法概述 簡單的說,K-近鄰演算法採用不同特徵值之間的距離方法進行分類 K-近鄰演算法 優點:精度高、對異常值不敏感、無資料輸入假定。 缺點:計算複雜度高、空間複雜度高。 適用範圍:數值型和標稱型。 k-近鄰演算法的一般流程 收集資料:可使用任何方法
機器學習--高等數學篇--線性代數篇01--行列式
前言: 本人現在開始學習機器學習,現在正在一些基礎數學知識的預備過程中,因為高等數學已經複習完畢了,當時沒有寫部落格記錄下來,後面如果需求比較大的,我後面有時間將高數上下冊的知識整理出來,本人也是小白,剛畢業,有什麼不對的地方請見諒!至於哪些後面用的到,哪些用不到我這邊還沒
機器學習--高等數學篇--線性代數篇02--矩陣01
上一個部落格(機器學習--高等數學篇--線性代數篇01--行列式)已經講解過行列式的概念,本將將講解下矩陣的概念和矩陣的一些運算規則。 一、矩陣的定義: m行n列個數,加上圓括號或者方括號,組成的就是m✖n的矩陣,記作Amxn。 方陣:矩陣的行和列數相等。 單位矩
機器學習--高等數學篇--線性代數篇02--矩陣02
上一節講解了矩陣的一些基礎概念和運演算法則(機器學習--高等數學篇--線性代數篇02--矩陣01),本章將學習並瞭解伴隨矩陣和逆矩陣。 一、伴隨矩陣 1.定1義:A是n階方陣,可以得到一個行列式|A|,求出|A|的代數餘子式,共有n^2個數。把代數餘子式按照第一行寫成第一
機器學習入門筆記一
本系類筆記主要是學習莫煩的機器學習視訊而寫的,以防遺忘. 一.機器學習型別 ① 監督學習(有資料,有標籤) 例如:給計算機看貓和狗的照片從而讓計算機分辨出貓狗.以及神經網路 ② 非監督學習(有資料,無標籤) 例如:不告訴計算機誰是貓誰是狗,
機器學習實踐系列 1 線性代數計算的python實現
在深入學習機器學習,開啟人工智慧演算法設計之前,有許多需要事先掌握的知識,最重要的是數學知識和程式設計能力,而且要把這兩者有機結合起來,以備今後實現各類演算法做好準備。 python是如今廣為傳頌的科學計算程式開發語言,有優勢或缺點在這裡不想追溯,畢竟沒有一種
機器學習之—1、線性代數
線性代數是機器學習的基礎,早在半年前我們就開展了線性代數的學習,當然對於機器學習而言,線性代數並非達到精通的程度才可以,更多的是對概念的理解和認知。因此學習起來很輕鬆。今天又做了一下簡單的總結,把第一遍的思維導圖畫在這裡,後續還會繼續優化和完善,隨著學習機器學習的深入,對線性
springMVC學習(筆記一)
springMVC執行流程 使用者訪問 簡單點,直接在body中寫一個連結 <body> <a href="index">點選測試</a> </body> web容器載入 使用者在頁面
機器學習課程筆記一
什麼是人工智慧? 對話是一個集大成的智慧場景。語言是體現智慧的一個很重要的方面,語言約等於智慧,圖靈測試就是基於語言的。 在生活中,我們的很多手機app已經應用了人工智慧技術比如:人臉識別(圖形處理),語音識別,個性化推薦,智慧排程,機器翻譯 人工智慧技術已經深深的影響了我們的生活,我們已經無法想象沒有人工智