线性代数的温和方法与机器学习应用
矩阵理论的简单介绍为该主题提供了崭新的视角。通过使用一个导致矩阵幂的简单公式的基本概念，我们看到了它如何解决时间序列，马尔可夫链，线性回归，数据约简，主成分分析（PCA）和其他机器学习问题。这些问题通常可以通过更高级的矩阵演算来解决，包括特征值，对角化，广义逆矩阵和其他类型的矩阵归一化。我们的方法更加直观，因此吸引了那些没有强大数学背景或忘记了在数学教科书中学到的知识的专业人士。它还将吸引物理学家和工程师。最后，它导致简单的算法，例如矩阵求逆。
1.矩阵的功效
为简单起见，我们举例说明了表示为A的2 x 2矩阵的方法。概括很简单。我们为A的n次幂提供了一个简单的公式，其中n是一个正整数。然后，我们将公式扩展为n = -1（最有用的情况）和n的非整数值。
1