数据集-----样本矩阵

把数排成一列就是向量。
$\left(\begin{array}{ccccc} 1 \\\\ 2 \\\\ 3 \end{array}\right)$⎝⎜⎜⎜⎜⎛​123​⎠⎟⎟⎟⎟⎞​
在没有特别说明的情况下，提到向量，就是指上例这样竖排的“列向量”。虽然存在像下面那样横排的“行向量”。

$\left(\begin{array}{ccccc} 1,& 2, & 3 \end{array}\right)$(1,​2,​3​)

由于列向量书写起来比较占空间，因此我们使用以下写法。
$\left(\begin{array}{ccccc} 1,& 2, & 3 \end{array}\right)^T=\left(\begin{array}{ccccc} 1 \\\\ 2 \\\\ 3 \end{array}\right)$(1,​2,​3​)T=⎝⎜⎜⎜⎜⎛​123​⎠⎟⎟⎟⎟⎞​
我们通常使用矩阵表示机器学习中的数据集，机器学习与线性代数是分不开的，所以对于矩阵的一些基本运算和其表示的意义，我们只有搞清楚了，才能更好的学习。

一个西瓜样本单独表示，其实是这样的;
$x_1=\left(\begin{array}{ccccc} 青绿 \\\\ 蜷缩\\\\ 浊响 \end{array}\right)$x1​=⎝⎜⎜⎜⎜⎛​青绿蜷缩浊响​⎠⎟⎟⎟⎟⎞​