機器學習數學基礎001-矩陣及矩陣的基本表示
矩陣及矩陣的基本表示
同學們好,我是CSDN學院的講師,講解人工智慧的相關內容,和同學們交流得知,很多同學的數學基礎都不過關,從今天開始就給大家帶來機器學習當中涉及到的相關數學基礎知識。
我會近期在微信公眾號(北國課堂)開放一套系列課程,從零開始學機器學習。在公眾號裡面包含視訊和答疑兩部分,讓同學們能夠真正的學習到真東西,可以學以致用的真本事。也可以掃描下方二維碼關注。感謝大家的支援。
1.矩陣的概念:
在數學中,矩陣(Matrix)是一個按照長方陣列排列的複數或實數集合。
從概念可以看出,矩陣就是一種表示資料的形式。在機器學習中,矩陣也是用來表示資料用的。比如機器學習中的輸入引數、輸出引數等等。
2.矩陣的表示形式
圖(1)就是一個比較標準的矩陣表示形式。
圖(2)也是一種表示矩陣的方式。我們在學習過程中儘量使用圖(1)的形式標識。
3.矩陣的行和列
矩陣分為行和列。我們在描述矩陣的時候,也是要說明矩陣的行和列的。
圖(3)的矩陣,我們稱它為 2行3列的矩陣。其中 1、2、3為第一行。4、5、6為第二行。1、4為第一列。2、5為第二列。3、6為第三列。
4.矩陣在日常生活中的應用
上圖(來源於網路)是學校100米運動會中,各個系別所取得各名次的人數。
通過Excel表格可以清晰的看出,數學系第一名的人數為1人,第四名的人數為1人。物理系第二名的人數為1人等等。
那這個圖用矩陣怎麼表示呢? 見下圖
這個就是矩陣表示運動會名次的方式。其中矩陣的行數表示系別。矩陣的列數表示各個名次。
那麼矩陣相較於Excel或其他表示方式有什麼優勢呢?
1.更加靈活,矩陣的行數和列數可以指定成任意自己想要的含義。
2.計算方便,我們可以利用矩陣的相關運算,更快速方便的在機器學習中使用
5.矩陣在機器學習中的例子(Minist資料集的表示)
Minist資料集是機器學習的子專案,深度學習框架TensorFlow中的一個經典案例。
先來看看Minst是什麼東西
上圖就是Mnist資料集的一部分。Minst是由55000張這種圖片組成。每張圖片是0-9中的一個阿拉伯數字。由於每個數字寫的不一樣,我們要做的事情就是,通過監督學習,把資料集中的每張圖片傳入給機器,最終讓機器識別出每個圖片對應的數字是幾。
怎麼把資料集中的每張圖片傳入給機器,就是由矩陣的形式傳入的。
我們知道圖片都是由畫素點組成的。我們就把每張圖片分為一個一個的畫素點。例子中是把圖片分為28*28 = 784個畫素點。然後用矩陣表示這個圖片。也就是28行、28列的畫素點組成的矩陣。其中白色的地方我們用0表示。黑色的部分用1表示。這樣就形成了右上方的矩陣形式。
上面說的是一張圖片,那如果多張圖片怎麼表示呢?這裡就體現出了,矩陣的優越性。
如上圖,我們把圖片的個數當成行數,Minst資料集的55000張圖片,我們就可以表示成55000行。把每張圖片的784個畫素點放在一行的每一列上。就形成了多張圖片作為引數的矩陣表示方式。
關注下方二維碼,更多專業的人工智慧視訊、文章、精彩答疑等著您!