作者归档 | Jason Brownlee

线性代数在很大程度上涉及向量和矩阵的运算，而矩阵有许多不同的类型。在开始学习线性代数时，尤其是在与机器学习相关的部分，您可能会一次又一次地遇到几种类型的矩阵。在本教程中，您将 […]

矩阵是线性代数的基础元素。矩阵在机器学习领域广泛用于描述算法和过程，例如训练算法时的输入数据变量 (X)。在本教程中，您将了解线性代数中的矩阵以及如何在 Python 中操作它们。完成本教程后，您将 […]

计算向量的长度或模长通常是必需的，无论是直接作为机器学习中的正则化方法，还是作为更广泛的向量或矩阵运算的一部分。在本教程中，您将了解计算向量长度或模长的不同方法，称为向量范数。完成本教程后，您将知道： […]

向量是线性代数的基础元素。向量在机器学习领域广泛用于描述算法和过程，例如训练算法时的目标变量 (y)。在本教程中，您将了解用于机器学习的线性代数向量。完成本教程后，您将知道：什么是 […]

数组是机器学习中的主要数据结构。在 Python 中，NumPy 库中的数组，称为 N 维数组或 ndarray，被用作表示数据的首选数据结构。在本教程中，您将了解 NumPy 中的 N 维数组，用于在 Python 中表示数字和操作数据。完成本教程后，您将 […]

为什么要学习机器学习线性代数？线性代数是一门数学领域，可以称之为数据数学。它无疑是机器学习领域的支柱，许多人建议将其作为开始学习机器学习的先修科目。这是一个误导性的建议，因为 […]

什么是线性代数？线性代数是一门数学领域，被普遍认为是深入理解机器学习的先决条件。尽管线性代数是一个庞大的领域，包含许多晦涩的理论和发现，但从中汲取的实用工具和符号对于机器学习非常有用 […]