线性代数

本文介绍了 10 个常见机器学习案例,这些案例需要用线性代数才能得到最好的理解。

线性代数是数学的分支学科,涉及矢量、矩阵和线性变换。
它是机器学习的重要基础,从描述算法操作的符号到代码中算法的实现,都属于该学科的研究范围。

虽然线性代数是机器学习领域不可或缺的一部分,但二者的紧密关系往往无法解释,或只能用抽象概念(如向量空间或特定矩阵运算)解释。

阅读这篇文章后,你将会了解到:

  • 如何在处理数据时使用线性代数结构,如表格数据集和图像。
  • 数据准备过程中用到的线性代数概念,例如 one-hot 编码和降维。
  • 深度学习、自然语言处理和推荐系统等子领域中线性代数符号和方法的深入使用。
  • 让我们开始吧。

    这 10 个机器学习案例分别是:

    1. Dataset and Data Files 数据集和数据文件

    2. Images and Photographs 图像和照片

    3. One-Hot Encoding one-hot 编码

    4. Linear Regression 线性回归

    5. Regularization 正则化

    6. Principal Component Analysis 主成分分析

    同步内容