[ 機器學習 - 吳恩達 ] Linear Algebra review 線性代數回顧 | 3-3 Matrix-vector multiplication 矩陣-向量乘法
阿新 • • 發佈:2021-12-21
例 - 1
\[\begin{bmatrix} 1&3\\ 4&0\\ 2&1\\ \end{bmatrix}\begin{bmatrix} 1\\ 5\\ \end{bmatrix}=\begin{bmatrix} 16\\ 4\\ 7\\ \end{bmatrix}\]\[\quad\ 3\times2\quad 2\times1\quad\ 3\times1\ \ \]\(1\times1+3\times5=16\)
\(4\times1+0\times5=4\)
\(2\times1+1\times5=7\)
細節 - 1
\(A\quad\quad\quad\quad\quad \times \quad \quad x\quad \quad =\quad\quad\quad\quad\quad y\)
\(m\times n\ matrix\\(m\ rows,\\\ n\ columns)\) \(\quad n\times1\ matrix\\(n-dimensional\\ \quad \quad vector)\) \(m-dimensional\\ \quad \quad vector\)
將 A 的第 \(i\) 行與向量 \(x\) 相乘,相加得到 \(y_i\)
例 - 2
\[\begin{bmatrix} 1&2&1&5\\ 0&3&0&4\\ -1&-2&0&0\\ \end{bmatrix}\begin{bmatrix} 1\\ 3\\ 2\\ 1\\ \end{bmatrix}=\begin{bmatrix} 14\\ 13\\ -7 \end{bmatrix}\]房價
\(\begin{matrix}
2104\\
1416\\
1534\\
852\\
\end{matrix}\) \(h_\theta(x)=-40+0.25x\)
構建樣本矩陣並與引數向量相乘,即可得到所有的預測值:
Prediction (4x1) = DataMatrix (4x2) x Parameters (2x1)
明顯快於利用for迴圈遍歷樣本進行預測,並且程式碼得到了簡化