Публикации по теме 'linear-algebra'


PCA, визуализированный для людей
Исходную версию этого сообщения в блоге с отформатированными формулами LaTeX можно найти по адресу casey.li/pca Анализ главных компонентов (PCA) часто описывается во вводных курсах машинного обучения следующим образом: Снижение размерности. Декорреляция признаков. Разложение по сингулярным числам / матричная факторизация: M = UΣV ^ T Проецирование данных на подпространство, охватываемое верхними N собственными векторами ковариационной матрицы признаков. Это много бесполезных..
Вот лишь часть того, что вы можете сделать с помощью линейной алгебры.
В следующий раз, когда кто-то задается вопросом, в чем смысл линейной алгебры, отправьте его сюда. Я веду блог на тему математика и программирование и постоянно вижу, как линейная алгебра применяется в информатике. Вот небольшой список, который включает небольшую часть того, что вы можете делать с помощью линейной алгебры. Рейтинг в поисковых системах. Наиболее заметное использование линейной алгебры (независимо от того, знаете ли вы об этом) было при создании Google. Их оригинальный..
LINAG — Матричное умножение
Умножение матриц как композиция — 3Blue1Brown Композиция или смесь преобразований есть умножение матриц. Схема концепции Когда я впервые столкнулся с этой концепцией, я придумал фразу: «Цель оправдывает средства». Давайте посмотрим на некоторые матрицы. Здесь мы собираемся вращать и сдвигать вектор в письменном порядке. Обратите внимание, что мы должны следить за тем, где приземляются i-hat и j-hat, как и в предыдущем посте. Если мы пройдем через эти 2 шага процесса,..
Примечания: Сущность линейной алгебры
Плейлист видео: Ссылка на видео от 3Blue1Brown Видео 1: Значение вектора для физика (стрелки указывают в пространстве), CS Student (упорядоченный список чисел, множеств), математика () В линейной алгебре вектор всегда будет исходить из точки 0,0 в пространстве. Векторы - это координаты расстояния по оси X или Y, которые также могут быть представлены в виде матрицы 1X2. (Сложение) Сумма двух векторов = движение по вектору 1, затем движение по вектору 2, тогда общее перемещение..
Каждый специалист по данным должен знать основы линейной алгебры
Каждый специалист по данным должен знать основы линейной алгебры За мощными алгоритмами машинного обучения, с которыми мы так хорошо знакомы, стоит линейная алгебра. Линейная алгебра - это область математики, которая широко используется в различных дисциплинах. Область науки о данных также опирается на множество различных приложений линейной алгебры. Это не означает, что каждый специалист по анализу данных должен обладать выдающимся математическим образованием, поскольку объем..
Теоретические основы науки о данных - мне нужно заботиться о практических навыках или просто сосредоточиться на них?
Основные математические и теоретические навыки, необходимые для науки о данных и машинного обучения Наука о данных - это очень практическая область. Наука о данных требует прочного основания в математике и программировании. Как специалисту по данным важно понимать теоретические и математические основы науки о данных, чтобы иметь возможность строить надежные модели с использованием реальных приложений. В науке о данных и машинном обучении математические навыки так же важны, как и..
Зачем добавлять столбец перехвата в наборы данных
При обработке данных для линейных моделей нам необходимо включить дополнительный столбец в наш набор данных, как показано ниже. Зачем нужен этот шаг? Линия может начинаться только от начала координат без пересечения . Во-первых, давайте начнем с линейной регрессии в машинном обучении. Мы знаем, что можем проиллюстрировать линейную модель как Если представить коэффициент и x как матрицу, мы можем изменить формулу на следующую. Если у нас нет точки пересечения, наша..