数据科学和机器学习的基本线性代数
来源：CPDA数据分析师网 / 时间：2021-05-11
线性代数是机器学习中重要的数学技能，大多数机器学习模型可以矩阵形式表示。数据集本身通常表示为矩阵，线性代数用于数据预处理，数据转换和模型评估。以下是您需要熟悉的主题：
向量
矩阵
矩阵转置
矩阵的逆
矩阵的行列式
矩阵的痕迹
点积
特征值
特征向量
我们使用技术股票数据集说明了线性代数在数据科学和机器学习中的应用。
1.用于数据预处理的线性代数
我们首先说明如何在数据预处理中使用线性代数。
1.1导入线性代数所需的库
1.2读取数据集和显示功能
1.3数据可视化
要执行数据可视化，我们需要为要可视化的功能定义列矩阵：
