ML中用到大量的矩阵运算，Linear Algebra是一个重要的部分，有助于理解样本、数据的格式，甚至神经网络多层的数值计算和传输。譬如通过矩阵运算求和相比于for循环等更加高效直接。因此Linear Algebra是机器学习基础之一。
3blue1brown出品的线性代数介绍，十几个章节。B站加了中文字幕，如果英文可以直接看油管。
系列视频基本上从几何角度来介绍矩阵和线性代数，配以生动的动画解释，非常易懂，这与传统的线性代数艰涩、难懂的从数值方向讲形成鲜明对比，并且在Udacity等各类知名MOOC上也会看到3blue1brown出品的解线性代数基础知识部分。
国内B站访问：
https://www.bilibili.com/video/av6731067/
非常好的教材讲线性代数与矩阵。
https://www.3blue1brown.com/
觉得很抽象大概是你用的教材不太好。去看这个系列视频就能明白：
视频地址：【双语字幕】「线性代数的本质」合集
内容目录：
第零讲：序言
第一讲：向量究竟是什么
第二讲：线性组合、张成的空间与基
第三讲：矩阵与线性变换
第四讲：矩阵乘法与线性变换的复合
第四讲附注：三维空间中的线性变换
第五讲：行列式的意义
第六讲：逆矩阵、列空间与零空间
第六讲附注：非方阵
第七讲：点积与对偶性
第八讲上：叉积的标准介绍
第八讲下：以线性变换的眼光看叉积
第九讲：基变换
第十讲：特征向量与特征值
第十一讲：抽象向量空间
以上内容再配合MIT Linear Algebra 18.06 基础课程学习线性代数再好不过了。Linear Algebra 18.06 更全面，但也强调线性代数的几何解释。不得不佩服Gilbert Strang、David C Lay等老家伙讲了几十年的课，连Lex Fridman采访Gibert Strang时就提到他当年MIT都是看老头的课长大，老头一直讲到了估计八十岁。
我朝线性代数有几千种教材，优秀的不多，2019年清华全面采用Gilbert Strang的线性代数英文教材，可见其功力。MIT 18.06可以通过Youtube或Apple Blog来学习。
https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/
暂无评论