13、机器学习背后的数学奥秘

机器学习背后的数学奥秘

1. 向量乘法

向量的加、减、除运算是逐元素进行的。但乘法情况有所不同，根据具体需求，乘法可能会变得比较复杂。例如， myVect * myVect 和 np.multiply(myVect, myVect) 会得到逐元素相乘的结果，如 array([ 1, 4, 9, 16]) 。

不过，在算法中，逐元素相乘可能会产生错误结果。很多时候，我们需要的是点积，即两个数字序列对应元素乘积的总和，结果是一个标量。例如：

import numpy as np
myVect = np.array([1, 2, 3, 4])
print(myVect.dot(myVect))

输出结果为 30，这正是逐元素相乘结果的总和。

更多关于点积的讨论可参考： https://www.mathsisfun.com/algebra/vectors - dot - product.html ，numpy 的线性代数操作函数可查看： https://docs.scipy.org/doc/numpy/