機器學習中的數學(四)--線性代數

寫在前面       《機器學習中的數學》系列主要列舉了在機器學習中用到的較多的數學知識，包括微積分，線性代數，概率統計，信息論以及凸優化等等。本系列重在描述基本概念，並不在應用的方面的做深入的探討，如果想更深的瞭解某一方面的知識，請自行查找研究。 第四部分主要講述了機器學習過程中應用比較多的線性代數知識，主要包括向量及其運算，矩陣及其運算，特徵值與特徵向量，常用的矩陣和向量求導以及主成分分析等。

>>阅读原文<<