深度学习基础：矩阵不可逆的原因

2025-11-05 05:10:17

深度学习基础：矩阵不可逆的原因

深度学习中矩阵不可逆问题及解决策略

原创

已于 2022-09-25 12:59:38 修改

·

3.3k 阅读

·

1

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

于 2022-03-01 15:53:37 首次发布

深度学习理论

专栏收录该内容

39 篇文章

订阅专栏

本文探讨了深度学习中矩阵不可逆的两个原因：特征线性相关和数据维度过高。当特征间存在线性关系时，可以去除冗余参数；数据量不足而维度高时，可使用伪逆计算法来处理。了解这些问题及其解决方案对于优化模型和提升学习效率至关重要。

深度学习基础：矩阵不可逆的原因

1.特征x1与特征x2线性相关（例如x1为厘米，x2为米，100x1=x2），遇到此状况可去掉一个参数。

2.数据太少，但是数据的维度太大。

可采用伪逆计算法。