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
使用NumPy在Python中表示矩阵
这部分内容有帮助吗？
- The N-dimensional array (ndarray), NumPy Developers, 2023 - NumPy核心数组对象的官方文档，详细介绍了其创建、
shape等属性以及表示矩阵的基本用法。 - Deep Learning, Ian Goodfellow, Yoshua Bengio, and Aaron Courville, 2016 (MIT Press) - 这本机器学习基础教材包含一个关于线性代数的全面章节，提供了算法中使用矩阵的数学背景。
- Python for Data Analysis, Wes McKinney, 2022 (O'Reilly Media) - 一本关于Python数据操作的实用指南，涵盖NumPy数组的创建和属性，这对于处理矩阵至关重要。
- Linear Algebra (Course 18.06SC), Gilbert Strang, 2011 (Massachusetts Institute of Technology) - 来自备受推崇的来源，提供了线性代数概念的学术基础理解，包括矩阵、它们的表示和属性。