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。
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