【个人笔记】机器学习中为什么常把向量定义为列向量

最新推荐文章于 2025-07-08 20:25:17 发布

Jaborie203

最新推荐文章于 2025-07-08 20:25:17 发布

阅读量4.3k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/flysky_jay/article/details/82834042

机器学习专栏收录该内容

1 篇文章

订阅专栏

本文深入解析机器学习中向量与矩阵的表示方式，特别是在numpy库中如何定义和处理张量，揭示x=[1,3]作为列向量的内在逻辑，帮助读者更好地理解机器学习算法背后的数学原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 我们经常看到机器学习教材中写道：x = [1, 3]，然后在计算的时候把它当作是列向量，难道仅仅就是随随便便这样定义的吗？当然不是的。请看第二条的解释。

2. 机器学习经常用到的一个库numpy，在里面定义张量的时候是这样的，x = [[1, 2], [3, 4]] = $\begin{bmatrix} \begin{bmatrix} 1, & 2 \end{bmatrix},\\ \begin{bmatrix} 3, & 4\end{bmatrix}\end{bmatrix}$ ，这可以看作是一个2x2的矩阵，然后y = [1, 3] = $\begin{bmatrix} 1,\\ 3 \end{bmatrix}$ ，这个在numpy中看作是2x1的张量，也就是我们看到的x1矩阵所以可以看到x = [1, 3]在计算的时候，把它当作是2x`矩阵了，也就是我们所以为的列向量。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。