知识卡片
矩阵的形状秩与可逆性
m×s 的 A 乘 s×n 的 B 得 m×n 的 C,其中 c_ij=Σk a_ik·b_kj,即 A 的第 i 行与 B 的第 j 列的点积;两个同维向量的点积因此可以写成 xᵀy。内维 s 必须相等,计算代价约 m·s·n 次乘加。
秩 R(A)=r 定义为最高阶非零子式的阶数,等价说法是矩阵中线性无关行(或列)的最大数目,衡量它真正张成多少个独立方向。秩亏意味着有些行是其他行的线性组合,信息冗余,用它解方程会出现无穷多解或无解。
单位矩阵 I 主对角线为 1、其余为 0,任何向量乘它都不变(Ix=x)。逆矩阵满足 A⁻¹A=I,只有方阵且满秩时才存在;不满秩时只能求伪逆或用正则化近似。
用途:批量样本矩阵(n×d)乘参数向量(d×1)得到 n 条预测;推荐里把嵌入矩阵的一行取出与用户向量做点积算相关性,都是同一条乘法的不同外观。
边界:矩阵乘法不满足交换律,AB≠BA;动手前先检查形状是否合法,这是实现模型时最常见的报错来源。
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1章 概率统计与应用数学基础知识 · 查看原书依据
两个相同维数的向量x和y的点积可看作矩阵乘积xTy。矩阵乘积C=A×B中计算cij的步骤可看作矩阵A的第i行和矩阵B的第j列的点积。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第1章 概率统计与应用数学基础知识(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0013.html)
- 结论依据:原文明确矩阵元素是行与列的点积,并把它与向量点积统一起来;秩与逆矩阵的定义同节给出,支撑“形状—方向数—可逆性”三个关注点。
- 原始内容:两个相同维数的向量x和y的点积可看作矩阵乘积xTy。矩阵乘积C=A×B中计算cij的步骤可看作矩阵A的第i行和矩阵B的第j列的点积。