先决条件: 基础数学与Python

您将学到什么

• 向量与矩阵运算

  使用NumPy进行向量与矩阵运算，并理解其与数据表示及变换相关的几何含义。

• 求解线性方程组

  理解线性方程组如何在机器学习中产生，并使用矩阵方法求解。

• 向量空间

  掌握向量空间、基、维度及线性独立性，理解其在特征空间中的体现。

• 特征值与特征向量

  计算并解析特征值与特征向量，理解它们在主成分分析（PCA）等算法中的重要性。

• 矩阵分解

  应用奇异值分解（SVD）等矩阵分解方法，用于降维等任务。

• 实现能力

  将线性代数知识转化为实际Python代码，使用NumPy和SciPy等库。