本文是吴恩达机器学习课程的笔记，主要介绍线性代数的基础知识，包括矩阵和向量的概念，加量和标量乘法，矩阵向量乘法，矩阵乘法规则，逆矩阵和转置的概念。讨论了矩阵乘法的性质，如不满足交换律，但服从结合律，并介绍了单位矩阵的重要性。
吴恩达机器学习笔记（三）线性代数基础
本文章是笔者根据Coursera上吴恩达教授的机器学习课程来整理的学习笔记。如果是初学者，建议大家首先观看吴恩达教授的课程视频，然后再来看博文的要点总结。两者一起食用，效果更佳。
一、矩阵和向量(Matrix and Vector)
矩阵(matrix)：是一个二维数组。矩阵的维度是行数*列数。
矩阵的表示：
向量(vector)：是n*1的矩阵。向量的维度是元素的个数。
向量的表示：
矩阵常用大写字母表示，向量常用小写字母表示。
二、加量和标量乘法(Addition and Scaler Multiplication)
矩阵加法：只有相同维度的矩阵可以相加。
矩阵和标量的乘法（Scalar Multiplication）：
一个更复杂的例子：
最低0.47元/天 解锁文章
扫一扫
115
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
