分類、聚類、回歸是機器學習最基本的主題。
具體來講，矩陣有三個重要用途。
第一個用途是解線性方程組，比如二維矩陣可以理解為一個平面直角坐標系內的點集，通過計算點與點之間的距離，完成聚類、分類或預測，類似的運算完全可以擴展到多維的情況。
第二個用途是方程降次，也就是利用矩陣的二次型通過升維將線性不可分的數據集映射到高維中，轉換為線性可分的情形，這是支持向量機的基本原理之一。
第三個用途是變換，矩陣可以通過特征值和特征向量完成維度約簡，簡化類似圖片這種高維數據集的運算，主成分分析使用的就是這個原理。
在程序設計中，我們可以從形式上把矩陣理解為一個二維數組。以python語言為例，矩陣就是嵌套着若干個list的一個大list。內部的每個list都是等長的，其中每個元素都是整形或浮點型的數值。內部的list就是行向量，即一個對象。