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
第 1 章测验
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
第 2 章测验
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
第 3 章测验
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
第 4 章测验
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
第 5 章测验
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
第 6 章测验
使用NumPy求解线性系统
这部分内容有帮助吗？
numpy.linalg.solve, NumPy Developers, 2023 - NumPy 求解线性系统函数的官方文档，详细说明了其用法和参数。- Numerical Linear Algebra, Lloyd N. Trefethen, David Bau III, 1997 (Society for Industrial and Applied Mathematics (SIAM)) DOI: 10.1137/1.9781611971217 - 这本基础教材严谨地阐述了线性代数的数值方法，包括求解线性系统的直接方法、稳定性分析以及LU分解等矩阵分解。
- Introduction to Linear Algebra, Gilbert Strang, 2016 (Wellesley-Cambridge Press) - 一本广泛使用的线性代数教材，介绍了线性方程组、矩阵求逆和奇异矩阵性质等基本概念。
© 2025 ApX Machine Learning用心打造