网站页面如何设计图,wordpress 双主页,全国代运营最好的公司,泰安市建设职工培训中心电话网站开坑#xff0c;刚看完书#xff0c;已经有些窒息了 先把坑挖了#xff0c;再慢慢填#xff0c;避免自己划水跳过 我爱线代#xff0c;线代爱我#xff0c;阿弥陀佛 为什么要学奇异值分解#xff1f;
因为书本倒数第二章专门提到的#xff0c;想必一定很重要#xff… 开坑刚看完书已经有些窒息了 先把坑挖了再慢慢填避免自己划水跳过 我爱线代线代爱我阿弥陀佛 为什么要学奇异值分解
因为书本倒数第二章专门提到的想必一定很重要于是我上网查了一下奇异值分解的应用
wow 。。。很有用增加了学习的动力
奇异值分解的应用
在机器学习中奇异值分解可以删除一些没什么作用的特征。
具体是如何删除的呢需要先了解一下奇异值分解的数学原理 不会吧。。。我难道要用markdown语法来写矩阵的推导过程吗。。。 太痛苦了吧 首先奇异值是什么分解又从何谈起
奇异值分解的本质其实是矩阵分解的延伸
什么是矩阵分解矩阵分解又有什么意义呢
矩阵分解是将一个矩阵分解为多个形式简单的矩阵可以更好地理解矩阵本身的作用 感觉像一句废话举个栗子吧…oh不举个up主矩阵分解及正交矩阵 其实就是用矩阵的伸缩、旋转变换功能来举例
向量
向量一般是竖着写的
向量的代数表示
向量一般用于表示一个多元齐次方程的系数 a 1 x 1 a 1 x 1 a 1 x 1 0 a_1x_1a_1x_1a_1x_10 a1x1a1x1a1x10
那么这个多元齐次方程的系数可以用向量 A → A^→ A→表示
A [ a 1 a 2 a 3 ] \begin{bmatrix} a_1\\ a_2\\ a_3\\ \end{bmatrix} a1a2a3
向量的几何表示
向量的维数 一维向量表示直线上的方向向量 二维向量表示平面上的方向向量如 [ 3 2 ] \begin{bmatrix} 3\\ 2\\ \end{bmatrix} [32] 三维向量表示空间上的方向向量 [ 0 1 1 ] \begin{bmatrix} 0\\ 1\\ 1\\ \end{bmatrix} 011 哭了用上matplotlib吧 向量的乘法
向量乘法一般指的是点乘即 A [ a 1 a 2 a 3 ] \begin{bmatrix} a_1\\ a_2\\ a_3\\ \end{bmatrix} a1a2a3 B [ b 1 b 2 b 3 ] \begin{bmatrix} b_1\\ b_2\\ b_3\\ \end{bmatrix} b1b2b3 则 A B a 1 ∗ b 1 a 2 ∗ b 2 a 3 ∗ b 3 AB a_1*b_1 a_2*b_2 a_3*b_3 ABa1∗b1a2∗b2a3∗b3
向量点乘的代数意义
待思考
向量点乘的几何意义
向量与矩阵的关系
矩阵的乘法
矩阵乘法的功能伸缩 矩阵乘法功能旋转
矩阵乘法功能伸缩旋转
首先任何矩阵都可以进行奇异值分解 M U Σ V T , 其中 U 和 V 都是对称矩阵 Σ 是正交对角阵 M UΣV^T,其中U和V都是对称矩阵Σ是正交对角阵 MUΣVT,其中U和V都是对称矩阵Σ是正交对角阵
