# 深度学习中的线性代数入门指南
在深度学习中，线性代数是非常重要的基础。一些最基本的操作（如矩阵乘法、向量加法等）都是线性代数的应用。以下是帮助刚入行的小白理解如何在深度学习中应用线性代数的流程，以及每一步需编写的代码。
## 流程图
| 步骤 | 描述 |
|------|------|
| 1 | 学习向量和矩阵的基本概念 |
| 2 | 理解线性变换及其在深度学习中的应用
原创
2024-10-24 06:23:58
92阅读
这里主要介绍一些张量的计算，如求和，转置等
原创
2022-11-17 00:40:35
80阅读
线性代数理解线性在一维空间看到一条线，二维空间看到个平面， 三维以上超平面，反正直的，均匀的
原创
2022-11-01 17:45:04
165阅读
深度学习是关于数据的，我们需要将数据以矩阵或更高维向量的形式表示并对它们执行操作来训练我们的深度网络。所以更好地理解
原创
2024-05-18 19:07:34
17阅读
矩阵及基本运算（1）矩阵的基本概念与意义、常见特殊矩阵（2）矩阵的加减法、数乘及意义（3）矩阵的乘法及性质（4）矩阵运算在深度学习中的应用（5）矩阵的迹、矩阵的转置、对称矩阵（协方差矩阵）矩阵的行列式（1）行列式的引入（2）行列式的计算（3）特殊矩阵的行列式、及其性质（4）行列式按行（列）展开、代数余子式（5
原创
2021-12-01 11:23:44
446阅读
线性代数 其实我们不需要太多线性代数的知识，但是还是稍微讲一下作为一个数学上的入门。 向量的距离使用 ||vecotr|| 来表示。 ||a||2这个是L2范式，其实就是把向量里面的元素平方再求和，最后开方。 向量的点积： a^T b 向量的正交： a^T b = 0 矩阵乘法，左边看行，右边看列（ ...
转载
2021-09-17 16:20:00
1116阅读
2评论
上一节讲解了矩阵的初等变换，本章将学习并了解向量。此章请认真学习。向量一、向量的基本概念与运算1.向量的定义，记号由n个数构成的有序数组称为一个n维向量，每一个数字称为向量的分量；2.向量运算（1）加减法：两个向量的加减法，数乘与矩阵的运算完全一样，向量之间没有乘法（2）内积：两个向量α，β的内积，用记号（α，β）表示，计算方法为：对应位置元素相乘并相加；（α，β） = α^T · β
转载
2023-11-23 23:06:15
6007阅读
PDF电子书下载：链接：https://pan.baidu.com/s/11WW4Omg_wW2eCWxUa2EDNQ 提取码：6666
二阶行列式和三阶行列式 排列及其逆序数
对换 n阶行列式
行列式的性质
原创
2022-01-25 13:47:59
459阅读
常用名词 \(\text{kernel(null-space)}\) 对于一个 \(m\times n\) 的矩阵 \(A\)，\(Ax=0\) 的解（\(x\) 为向量）被称为 \(A\) 的 \(\rm kernel\)（记为 \(\text{ker}(A)\)），或是 \(A\) 的 \(\t ...
转载
2021-07-20 12:17:00
740阅读
2评论
# 机器学习与线性代数的入门指南
在机器学习（ML）的世界中，线性代数是一个不可或缺的工具。理解线性代数的基本概念，可以帮助你更好地理解机器学习的算法和模型。在本文中，我们将通过一个简洁的流程，教会你如何结合机器学习和线性代数的基本知识。
## 流程总览
以下是实现“机器学习 线性代数”的基本流程：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 理解线性代数基础
原创
2024-10-05 05:55:18
82阅读
常用名词 \(\text{kernel(null-space)}\) 对于一个 \(m\times n\) 的矩阵 \(A\)，\(Ax=0\) 的解（\(x\) 为向量）被称为 \(A\) 的 \(\rm kernel\)（记为 \(\text{ker}(A)\)），或是 \(A\) 的 \(\t ...
转载
2021-08-06 17:31:00
263阅读
2评论
前言很多同学一看到机器学习的数学内容就头皮发麻，甚至因此产生了弃坑的想法，在这里我要告诉大家，每一个学过高数的人，都有足够的数学基础去研究机器学习，有些知识点可能忘了，但看到了就能很快想起来，想入门机器学习真的不难！这个系列的目的，是帮大家把机器学习所需要的数学基础（线性代数部分）回忆 起来。为了合理控制篇幅，我打算分成 2~3 次来写。一、线性代数知识结构为了直观地展示机器学习所需的线性代数的知
转载
2024-02-17 08:08:48
64阅读
还在为学习数学而发愁吗？看完这篇文章，希望Python能帮助你消灭数学恐惧症。用NumPy进行线性代数运算线性代数是数学的一个重要分支，比如，我们可以使用线性代数来解决线性回归问题。子程序包numpy.linalg提供了许多线性代数例程，我们可以用它来计算矩阵的逆、计算特征值、求解线性方程或计算行列式等。对于NumPy来说，矩阵可以用ndarray的一个子类来表示。用NumPy求矩阵的逆在线性代数
转载
2024-01-27 16:33:31
96阅读
参加了一个程序设计大赛，有点数学建模的模式，差不多是校级的，而且看之前的题目都是比较简单，有的就是我们的实验题或者课设题目，所以还是想水一水的（万恶之源***）题目是这样的题目
请开发一个《线性代数》课程学习辅助软件，自主设计界面，现实以下功能：
（1）计算两个矩阵的加法、减法、乘法功能
（2）求方阵的行列式
（3）求方阵的逆矩阵
具体要求如下：
（1）界面简洁，操作简便。
（2）程序源代码格式
转载
2024-02-05 23:48:20
118阅读
线性代数学习笔记二 目录 1. 线性方程组1.1. 行化简与阶梯型矩阵1.1.1. 主元位置1.1.2. 线性方程组的解1.2. 向量方程1.3. 矩阵方程1.4. 线性方程组的解集 1 矩阵记号是为解方程组带来方便。 解方程组，消元法。 三种基本变换对应于增广矩阵的下列变换: 行初等变换(倍加变换 replacement) 把某一行换成它本身与另一行的倍数的和(对换变换
转载
2024-04-17 20:17:14
109阅读
本文目录
引言机器学习ML和深度学习NN中的线性代数矩阵向量矩阵乘法转置矩阵逆矩阵正交矩阵对角矩阵正规方程的转置矩阵和逆矩阵线性方程向量范数L1范数/Manhattan范数L2范数/Euclidean范数ML中的正则化Lasso岭特征选择与抽取协方差矩阵特征值与特征向量正交性正交集扩张空间基主成分分析(PCA)矩阵分解总结
引言机器学习和深度学习建立在数学原理和概念之上，因此AI学习者需要了解基本
转载
2021-01-20 09:04:00
123阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 <!--一个博主专栏付费入口--> <!--一个博主专栏付费入口结束--
转载
2019-11-29 09:18:00
137阅读
2评论
先发出来，防止后期咕掉 矩阵 行列式 \(\;\) 转置后行列式不变(\(A_{i,j}=A'_{j,i}\)) 一行加上另一行的若干倍，行列式不变 交换两行，行列式变为原先的相反数 \(\;\) 范德蒙德行列式 $$ D_n = \begin{vmatrix} 1 & 1 & 1 & \cdots ...
转载
2021-08-02 16:40:00
253阅读
2评论
特征值、特征向量
原创
2023-05-01 08:46:05
259阅读
点赞
目录线性代数（1）矩阵和行列式线性代数（2）线性方程组线性代数
原创
2021-12-28 09:56:01
743阅读
