机器学习数学补脑汁（三）-线代的理解

Matrix as Transformer 。矩阵就是一个转换器。在线性代数中，矩阵描述了线性变换。

如下图所示：如果机器学习模型是一个黑盒，我们认为黑盒就像一个会玩魔方的手，不停的扭曲变化输入的特征矩阵，最后把输入矩阵变换、降维成一个答案。通过不断的试错，它固定下来一套变化流程，这个变化流程用一个矩阵或者一组矩阵描述。当新的样本矩阵输入，乘以这个描述变换的矩阵就得到了答案。这个描述变换的矩阵就是模型学习到的W。

所以，我们要了解线性代数，了解投影、变换、特征值分解、奇异值分解这些内容就是去理解特征空间的各种变化、降维的过程？

而微积分里面的导数、偏导数就是为了找到梯度下降的方向，从而避免穷举所有变化，让变化有一个正确的方向？

求大神指正！