机器学习的数学基础（2）——矩阵与线性代数
2017-12-25 22:00
302 查看
机器学习的各种算法除了和概率相关之外，还有以矩阵分解为基础的SVD、FM、LFM等。此外，在进行数据预处理时，特征工程对于模型的最终效果有很大影响，而特征的基础就是线性代数中的特征矩阵。本文就分享一些相关的要点。
QR分解可以用于求解矩阵的特征值。
QR分解可以用于求解矩阵的特征值。
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 机器学习数学基础之矩阵理论（二）
- 机器学习笔记_数学基础_5-矩阵理论
- 机器学习笔记_数学基础_5-矩阵理论_续1_QR分解
- 机器学习数学基础001-矩阵及矩阵的基本表示
- 【机器学习数学基础之矩阵02】矩阵求导
- 深度学习/机器学习入门基础数学知识整理（一）：线性代数基础，矩阵，范数等
- 【ML学习笔记】4：机器学习中的数学基础4(线性变换的矩阵描述)
- 机器学习数学基础（1）简化线性代数
- 机器学习之数学基础（概率与统计推断、矩阵、凸优化）
- 【ML学习笔记】6：机器学习中的数学基础6(对角矩阵,对称矩阵,正交矩阵,特征分解)
- 机器学习 深度学习用到的数学基础知识 标量、向量、矩阵和张量
- 【机器学习数学基础之矩阵03】线性回归
- 深度学习/机器学习入门基础数学知识整理（二）：梯度与导数，矩阵求导，泰勒展开等
- 机器学习基础03-矩阵和线性代数
- 3d数学基础-矩阵的逆-用C++代码实现
- 机器学习的数学基础 1. 共轭先验 Conjugate Prior
- 机器学习：LDA_数学基础_4：变分推断：EM基础
- 机器学习需要的数学基础
- 一文了解线性代数--深度学习入门之数学基础
- 机器学习和计算机视觉必须的数学基础