背景與目標
繼續之前的線性代數走讀
劃重點
4.5 矩陣看成一個系統
4.6 矩陣和向量的乘法
- 矩陣和向量相乘來表徵一個系統的方法(如果把x當做特徵值,是不是有種機器學習的感覺了)
- 乘法的過程
- 向量與矩陣的乘機結果的
維度結構
不變,所以矩陣可以理解爲是向量的函數
(這樣理解,也完全符合機器學習的思想)
- 函數的概念:把一個數(或者向量等等),轉換爲另外一個數(或者是向量等等)
4.7 矩陣和矩陣的乘法
- 矩陣和矩陣的乘法,分解成爲矩陣和向量的乘法
- 矩陣1的列數 必須和 矩陣2的行數一致。 矩陣1爲 m × k,矩陣2就是 k × n,相乘以後等到一個m × n的矩陣
- 注意:矩陣乘法不遵循交換律
4.8 矩陣自我實現
略了。。以後更多是用numpy,自我實現就顯得有一些雞肋。
評價
在機器學習的推導中,必然會使用到矩陣的乘法,重點注意:矩陣的乘法,不支持交換律