第二章：数学与机器学习基础

文档摘要

第二章：数学与机器学习基础第二章：数学与机器学习基础 - AI大模型基石引言 2.1 线性代数：数据表示与模型运算的核心线性代数是机器学习的数学基石之一，它提供了处理和操作数据、构建和训练模型的关键工具。在大模型中，数据通常以高维向量、矩阵或张量的形式存在，模型的运算也大量依赖于线性代数。 2.1.1 向量与矩阵：数据的基本表示向量 (Vector): 可以看作是有序的数字列表，在机器学习中常用于表示特征、权重、梯度等。例如，一张灰度图像可以展开成一个向量，文本可以经过词嵌入转化为词向量。矩阵 (Matrix): 是向量的集合，以行和列的形式排列。矩阵在机器学习中用于表示数据集（特征矩阵）、模型参数（权重矩阵）、变换（线性变换矩阵）等。