首页
Python
Java
前端
数据库
Linux
Chatgpt专题
开发者工具箱
哈达专题
【ML学习笔记】5:机器学习中的数学基础5(张量,哈达玛积,生成子空间,超平面,范数)
向量/矩阵/张量 向量 向量可以表示成一维数组,每个分量可以理解为向量所表示的点在空间中坐标的分量。 矩阵 矩阵可以表示成二维数组,上节理解了矩阵可以理解为线性映射在特定基下的一种定量描述。 张量 张量可以表示成任意维的数组,张量是向量概念向更高阶次的推广,向量是一维张量。 但不能把矩阵简单的看成二维张量,张量是几何的,矩阵是代数的。二阶张量和矩阵概念不同,但可以建立联系,矩阵可以描
阅读更多...
【Python】哈达马乘积详解和示例
哈达马乘积是一种在实数域和复数域中进行的乘法运算,它是由法国数学家皮埃尔·哈达玛于1894年提出的。哈达马乘积的主要特点是,它可以将两个实数或复数的模长和相位进行组合,从而得到一个新的复数。 在具体实现哈达玛乘积时,我们首先需要定义两个复数的模长和相位。一般来说,一个复数可以表示为z=r(cosθ+i sinθ),其中r是模长,θ是相位。 哈达玛乘积的定义如下: 设z1=r1(cosθ1+i
阅读更多...