趋近智
机器学习线性代数入门
章节 1: 线性代数在机器学习中的重要性
用向量和矩阵表示数据
机器学习算法中的线性代数
核心思想概述
配置Python环境
章节 2: NumPy 数值计算入门
NumPy 数组介绍
创建 NumPy 数组
数组索引与切片
数组基本运算
数组属性与形状调整
动手实践：NumPy 数组的创建与操作
章节 3: 使用向量
什么是向量？
向量表示法
在Python中使用NumPy的向量
向量加法与减法
标量乘法
向量范数：测量长度
点积
实践：NumPy 向量运算
章节 4: 使用矩阵
什么是矩阵？
矩阵记号与维度
使用NumPy在Python中表示矩阵
矩阵类型：方阵、单位矩阵、零矩阵
对角矩阵和三角矩阵
实践：使用NumPy创建矩阵
章节 5: 矩阵基本运算
矩阵加法和减法
标量乘法
矩阵转置
矩阵乘法：点积
矩阵乘法的性质
动手实践：NumPy 矩阵运算
章节 6: 线性方程组与矩阵逆
使用矩阵表示线性方程
解的含义
单位矩阵再论
矩阵的逆
矩阵可逆的条件
使用逆矩阵求解 Ax = b
使用NumPy计算逆矩阵
使用NumPy求解线性系统
实践：使用NumPy求解方程组
NumPy 数组介绍
这部分内容有帮助吗？
- The N-dimensional array (ndarray), NumPy community, 2024 - 这份官方指南概述了
ndarray对象，解释了其结构、属性以及与Python列表相比的效率优势。 - Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Aurélien Géron, 2022 (O'Reilly Media) - 这本实用指南包含了NumPy数组的介绍，展示了它们在准备数据和执行机器学习模型计算中的基础作用和高效使用。
- Array programming with NumPy, Charles R. Harris, K. Jarrod Millman, Stéfan J. van der Walt, Ralf Gommers, Pierre Virtanen, David Cournapeau, Eric Wieser, Julian Taylor, Sebastian Berg, Nathaniel J. Smith, Robert Kern, Matti Picus, Stephan Hoyer, Marten H. van Kerkwijk, Matthew Brett, Andrew Haldane, J. Fulton, H. F. Gérard, Edouard Hoppit, F. Mueller, J. Félix, A. Probst, Alexandra Rogozhnikov, Ivan T. Page, and Pauli Virtanen, 2020 Nature, Vol. 585 DOI: 10.1038/s41586-020-2649-2 - 这篇经同行评审的文章概述了NumPy的设计原则和影响力，解释了其数组编程模型如何促进高性能科学计算。