【个人笔记】机器学习中为什么常把向量定义为列向量

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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值