抱紧我的小鲤鱼
开始新的课程，为机器学习打基础
2020-07-30
1
那时刻
感谢老师的分享，把多年前的数学知识又串连起来了。
老师结束语里的：做技术是需要有产品思维的。更确切地说，技术人要把产品思维融入自己的血液里，变成自己的一部分。这样，技术人在理解需求时会更快、更准，看待问题多了一个角度，也能看得更广、更全。受益不少....
作者回复：谢谢支持！
2020-09-04
3
种花家
跟上老师上完课了，还有好多不是很懂的，不过没关系，我会经持续看的
作者回复：你好，种花家，全部上完不容易，很赞，后续有问题可以保持沟通，有机会也可以结合一些实践场景来尝试。
2020-09-04
1
孙瑜
和考研线代获得了不同的感受
2020-10-19
1
lisiur
你好，老师，请问下第10步是如何快速得出特殊解的？是经验所得，还是有什么固化的方法？因为我正在尝试使用代码描述这一过程，前面的高斯消元都是有步骤可循，到第10步不知道如何处理了
作者回复：你好，lisiur，
这个不是靠经验值来得出特殊解的，我们可以通过主元列来判断，因为一般对于非主元列，我们会隐式地把系数设置成0，也就是x2和x5都是0，这样x1、x3和x4也能求出来了。x1、x3、x4是基本变量，x2、x5 是自由变量。可以看第10步后的介绍。
很高兴你能用代码来模拟，希望能够给社区分享成果哦。
2020-08-06
7
那时刻
请问老师行阶梯型矩阵的基本变量也就是主元是否对应于向量空间的基呢？
作者回复：你好，那时刻，这么理解是对的，行阶梯型矩阵的主元列相关的向量就是这个向量子空间的基。具体细节可以参考第七篇即将发布的内容。
2020-08-05
2
Jagger
x+y=10
2000x+1500y=18000
x=6, y=4
希望这不是我能答对的最后一道题
作者回复：你好，Jagger，每章节的题目都不难的，继续加油。
2020-08-02
9
瀚海星尘
这么理解，KNN真的好简单啊，没想到这么简单。。豁然开朗～
作者回复：其实很多机器学习模型算法，如果通过数学角度来解释都是非常简单的，而且大部分都能适用应用场景，即使是深度学习也只是加了很多层而已。
2020-08-02
3
奕
一直把向量理解为既有方向又有大小的量，但是老师文中说这是几何向量，那么还有非几何向量吗？非几何向量怎么理解呢？
作者回复：好问题，因为从几何角度来类比是最简单的，这是我们长期以来的生活习惯，我们处于三维世界能洞察低维度的事物，比如二维和三维，更高维度的事情现在还不好说，所以，很多时候我们可以把要分析的对象用几何图形来映射，拿语音来说，语音信号是基于时间轴上的一维数字信号，我们要分析它，就要对语音信号进行频域分析，映射到图形上就是对各类波来做分析，这是就可以用向量和矩阵了，可以做傅立叶变换。
2020-07-29
7
三件事
| 2000 1500 | | x | = | 18000 |
| 1 1 | | y | | 10 |
x = 6, y = 4
非常喜欢老师的讲解，有种穿针引线的感觉，期待后续章节！
作者回复：好棒，继续加油，每节都是有关联的，老师也会加油。
2020-07-29
4
讲师
朱维刚
前阿里云资深技术专家
编辑推荐
看过的人还看了
