每个行当都有每个行当的专业术语,如果初来乍到,想涉足特定行业,而不懂规矩连术语都不懂的话,估计百分之九十九的概率是混不下去的。机器学习深度学习当然也不能免俗,其中的基本概念常识比如特征值特征向量,不了解的话,根本就举步维艰。
看下在数学中特征值特征向量的定义,设A是n阶矩阵,如果数λ和n维非零列向量x能使得关系式Ax=λx成立,那么这样的数λ就是矩阵A的特征值,而这个非零向量x就是A的对应于特征值λ的特征向量。
又是一个简简单单的公式,又是一个需要我们牢记的概念。上面这个表述很数学,也很基础。如果这个都不好理解,那可真要恶补一下数学知识了。当然机智客这里的话又说回来了,数学中的定义,单纯看,未必能看出什么东西。跟很多其他数学知识一样,机智客当时学的时候也是,单独拎出来似乎能理解,放到数学中就不大懂了。每个中国汉字都认识,组合起来就不理解了。数学就是如此神奇。
特征值和特征向量,其实说的就是矩阵变换的“特征”。这里其实涉及到了线性变换的数学知识。既然是n阶,那就说明是个方阵。所以这里有两个角度,一个角度是对于非零向量而言x而言的,从定义公式上乘以A矩阵,则是对向量的一次线性变换。而另一个角度是对于矩阵A而言的,存在一个列向量x,使得Ax和x在长度上有了变化,而方向上没有变化。
而它的求解过程,则是通过变形和展开而得到的一个n元的齐次线性方程组。要让这个齐次线性方程组存在非零解,那么需要系数矩阵的秩小于n。嗯,瞧这数学,一层压一层,一环套一环的。上次学的矩阵的秩在这里用到了吧。后续的展开就不具体聊了,机智客很多的文章涉及到的知识点只是在平时工作或应用中遇到的知识点,现学现卖,学习并整理出来。朋友如果需要可以自行翻看,如果还要延伸更多,则可以自己找专业书籍和资料补充。