考虑一个n维数据点序列，x^(1)，x^(2)，...，和一个m维特征向量序列，z^(1)，z^(2)，。 ..，通过线性变换从 a 中提取，z(i) = Ax(i)。如果 m 远小于 n，您可能会认为在低维特征空间中学习比在原始数据空间中更容易学习。
假设n=6，m=2，z_{1}是x的元素的平均值，22是a的前三个元素的平均值减去x的第四到第六个元素的平均值。确定 A.
注意：以列表格式输入A：[[A11,...,A16],[421,...,A26]]
答案是： [[1/6,1/6,1/6,1/6,1/6,1/6],[1/3,1/3,1/3,-1/3,-1/3, -1/3]]
这是 MITx 6.86x 的作业题 使用 Python 进行机器学习——从线性模型到深度学习。而且我不知道如何找到答案。它是通过估计数据点和特征向量的不同值来完成计算或只是命中和尝试的方法。