1、一个齐次线性方程组的所有解，形成一个向量空间 对于一个齐次线性方程组来说，它的所有的解中每一解都是向量，那么把这些向量(齐次线性方程组的解)集合在一起形成一个空间，其实这...
IP属地：广东
-
线代--矩阵的四大空间③:零空间 -
降维算法之LDA(线性判别降维算法)--有监督LDA在模式识别领域(比如人脸识别，舰艇识别等图形图像识别领域)中有非常广泛的应用，因此我们有必要了解下它的算法原理。 不同于PCA方差最大化理论，LDA算法的思想是将...
-
矩阵特征值分解与奇异值分解含义解析及应用原文在此，仅仅将原文的Matlab代码改为Python3版本。 特征值与特征向量的几何意义 矩阵的乘法是什么，别只告诉我只是“前一个矩阵的行乘以后一个矩阵的列”，还会一点的可...
-
轻松看懂机器学习十大常用算法通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。 每个算法都看了好几个...
-
深入浅出--梯度下降法及其实现梯度下降的场景假设梯度梯度下降算法的数学解释梯度下降算法的实例梯度下降算法的实现Further reading 本文将从一个下山的场景开始，先提出梯度下降算法的基本思想，进而...
-
-
机器学习入门(8)--向量&矩阵
概念 在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合[ ，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。 矩阵是高...
-
线代--正交基和标准正交基描述一个空间，有两种方式，一种方式是维度，另一种方式就是空间的基，空间的基是一组向量，其中这组向量的个数就是空间的维度。 在一个维空间的任何一组个线性无关的向量，都是这个维空...
-
-
-
奇异值分解(SVD)详解及其应用
摘抄：https://blog.csdn.net/shenziheng1/article/details/52916278[https://blog.csdn.net/she...
-
在Jupyte Notebook中切换Conda EnvJupyter notebook 本事只是一个代码编辑器，使用Jupyter notebook 运行代码的关键是一个称为 kernel 的python插件，它帮助识别 jup...
-
两个向量相乘的几何意义是什么？（点乘、内积）
两向量相乘可以表示为如下形式： 其中，为向量和向量之间的夹角。 上式右边的意思为，一个向量在另一个向量方向上的射影乘以另一个向量的长度。 即， 当为单位向量时，两向量的...
-
向量点乘的图形学意义向量的点乘是入门图形学的重要基础，本身并不复杂，但因为总与叉乘（图形学前期用不着）放在一起讲，搞得新手都很混乱，本文单独讲解一些点乘的图形学意义，新手先忘掉叉乘吧。 1.向量...
-
线代--向量的点乘的意义1、向量的点乘的意义: 解决不同方向向量间存在的方向问题，不同方向的向量直接乘运算是没有意义的。通过投影的方式，让向量间指向同一方向，向量相乘起来才有了意义。向量的点乘结果为...
-
机器学习算法之回归详解导语 回归：从一组数据出发，确定某些变量之间的定量关系式；即建立数学模型并估计未知参数。回归的目的是预测数值型的目标值，它的目标是接受连续数据，寻找最适合数据的方程，并能够对...
