幾行幾列即為矩陣。ａij表示第i行第j列。
只有一行或者一列的稱為向量，向量是一種特殊矩陣。一般向量指的是列向量。
加法：元素對應相加。
標量乘法：標量和矩陣每乙個元素相乘。
要求：第乙個矩陣的列數等於第二個矩陣的行數，如ｍ x n矩陣與ｎx 1矩陣相乘，結果為第乙個矩陣的行數乘以第二個矩陣的列數。
結果ｃij是第乙個矩陣第i行和第二個矩陣第j列對應元素相乘求和的值。
不滿**換律：ａｘb != b x a。
滿足結合律:(a x b) x c=a x (b x c)。
單位矩陣i：是對角線為１，其他都為零的方陣。任何矩陣於單位矩陣相乘，矩陣保持不變。
如果矩陣ａ的逆矩陣存在，則ａａ-1=ａ-1a=i。
如果ａ的轉置矩陣是ｂ，則ａ矩陣第i行第j列元素與ｂ矩陣第j行第i列元素相等。記ａｔ＝ｂ。
轉置矩陣的一些性質：
（ａ±ｂ）t=(ａｔ±bｔ)。
（ａｘb）t=bｔx ａｔ。
（ａｔ）t=a。
（ｋａ）ｔ=kat。
吳恩達《機器學習》課程總結 19 總結
線性回歸 下面第三行x0 i 其實是1，可以去掉 邏輯回歸 神經網路 寫出前向傳播即可，反向框架會自動計算 pca訓練誤差減去人類最高水平為偏差 欠擬合 交叉驗證集誤差減訓練誤差為方差 過擬合 正則化解決方差問題，不對 0正則化 全過程觀測偏差與方差，所以更全面。找到哪種原因造成誤差最大，最該花時間...
吳恩達《機器學習》課程總結（19）總結
線性回歸 下面第三行x0 i 其實是1，可以去掉 邏輯回歸 神經網路 寫出前向傳播即可，反向框架會自動計算 pca訓練誤差減去人類最高水平為偏差 欠擬合 交叉驗證集誤差減訓練誤差為方差 過擬合 正則化解決方差問題，不對 0正則化 全過程觀測偏差與方差，所以更全面。找到哪種原因造成誤差最大，最該花時間...
吳恩達《機器學習》課程總結（4）多變數線性回歸
上圖中列數即為特徵的個數，行數是樣本數。函式假設如下 其中x0 1。和單變數的損失函式相同 其中，求導迭代如下 特徵之間的尺度變化相差很大 如乙個是0 1000，乙個是0 5 梯度演算法需要非常多次的迭代才能收斂，如下圖所示 方法 將各個特徵縮放至大致相同的尺度，最簡單的方法就是特徵減去均值除以方差...