線性代數
機器學習專家離不開線性代數
- ML 大量使用標量
- ML 大量使用向量
- ML 大量使用矩陣
- ML 大量使用張量
本章旨在重點介紹在資料科學專案（如機器學習和深度學習）中使用的線性代數部分。
| 標量 | 向量 | ||||||||||||||||||||||||||
| 1 |
|
||||||||||||||||||||||||||
| 矩陣 | 張量 | ||||||||||||||||||||||||||
|
|
向量和矩陣
向量和矩陣是資料的語言。
在 ML 中，大多數操作都是使用向量和矩陣完成的。
有了向量和矩陣，您就可以發現秘密。
標量
線上性代數中，標量是單個數字。
在 JavaScript 中，它可以寫成常量或變數
const myScalar = 1;
let x = 1;
var y = 1;
向量
線上性代數中，向量是數字陣列。
在 JavaScript 中，它可以寫成陣列
const myArray = [50,60,70,80,90,100,110,120,130,140,150];
myArray.length; // myArray 的長度是 11
自己動手試一試 »
陣列可以有多個維度，但向量是一維陣列。
向量可以有多種寫法。最常見的有
| v = |
|
或
| v = |
|
 |
左邊的影像是一個向量。 長度表示大小。 箭頭表示方向。 |
矩陣
線上性代數中，矩陣是二維陣列。
| C = |
|
在 JavaScript 中，矩陣是一個有兩個索引（下標）的陣列。
張量
張量是N 維矩陣。
| T = |
|
在 JavaScript 中，張量是一個具有多個索引（下標）的陣列。
