知识卡片
矩阵乘法视为线性映射
(n,m) 矩阵乘 (m,1) 列向量得到 (n,1) 向量,每一行与输入向量做点积;所以矩阵可以理解为“把 m 维向量搬到 n 维空间”的规则,方阵则是把空间映回自身。两个矩阵相乘只是把映射复合:C 的第 (i,j) 项是 A 的第 i 行与 B 的第 j 列的点积,因此要求 A 的列数等于 B 的行数。这条视角有两个用处:一是邻接矩阵乘向量时,结果的第 i 个分量正好是 i 的所有邻居分量之和,网络中的一次信息传播就是一次矩阵乘法;二是“反复乘同一个矩阵再归一化”构成幂迭代,能逼出方向不变的那个向量。实现上要保留维度断言,注意朴素乘法的 O(n^3) 代价,大规模计算应交由 NumPy 这类库。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第22章 网络分析 · 查看原书依据
如果将 维向量视为 (m, 1) 矩阵,则可以将其乘以 (n, m) 矩阵以获得 (n, 1) 矩阵,然后可以将其视为 维向量。 这意味着考虑 (n, m) 矩阵的另一种方法是将 维向量转换为 维向量的线性映射
参考来源
- 位置:《数据科学入门(第2版)》第22章 网络分析(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0026.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「如果将 维向量视为 (m, 1) 矩阵,则可以将其乘以 (n, m) 矩阵以获得……」
- 原始内容:如果将 维向量视为 (m, 1) 矩阵,则可以将其乘以 (n, m) 矩阵以获得 (n, 1) 矩阵,然后可以将其视为 维向量。 这意味着考虑 (n, m) 矩阵的另一种方法是将 维向量转换为 维向量的线性映射