天道酬勤,学无止境

人工智能入门

人工智能入门-01线性代数

必懂线性代数概念:集合: 由某些特定对象汇总而成的集体。标量: 由单独的数a构成的元素被称为标量(scalar)向量: 如果多个标量按照一定顺序组成一个序列,这样的元素就被称为向量(vector)矩阵: 每个向量都由若干个标量构成,如果将向量的所有标量都替换成相同规格的向量,得到的就是矩阵。张量: 如果将矩阵的每个标量元素在替换为向量的话,得到的就是张量。简而言之,就是高接矩阵范数: 将向量转换为具体的数。例如L-1-范数是计算向量所有元素绝对值的和。内积: 计算的是两个向量对应元素乘积的求和。正交: 两个向量的夹角为90度 向量可以来是某些对象或某些行为的特征 线性空间: 如果有一个集合,它的元素都是具有相同维度的向量,并且定义了加法和数乘等结构化的运算,这样的集合就被称为线性空间。举个例子:加入现在一个集合中有(1,1,1),那么此时线性空间中应该包括所有可以通过加法和数乘等结构的运算结果,比如2 * (1,1,1)的结果(2,2,2)就是属于同一个向量空间。内积空间: 定义了内积运算的线性空间称为内积空间正交基: 在内积空间中,一组两两正交的向量构成了这个空间的正交基标准正交基: 假若正交基中基向量的L2范数都是单位长度1,这组正交基就是标准正交基特征值分解:求解给定矩阵的特征值和特征向量的过程叫做矩阵分解 来源:https://blog.51cto.com/u

2021-06-02 04:57:34    分类:博客    线性代数   人工智能入门