机器学习导论(张志华):核定义(2)
2018-09-27 21:52
99 查看
前言
这个笔记是北大那位老师课程的学习笔记,讲的概念浅显易懂,非常有利于我们掌握基本的概念,从而掌握相关的技术
basic concepts
tensor product
svd decomposition is important for high dimensional matrix calculation.
相关文章推荐
- 机器学习导论(张志华):概率PCA
- 机器学习导论(张志华):EM收敛性原理
- 张志华教授《机器学习导论》和《统计机器学习》课程讲义
- 《机器学习导论》和《统计机器学习》学习资料:张志华教授
- 张志华教授《机器学习导论》和《统计机器学习》课程讲义
- 机器学习导论(张志华):正定核性质
- 张志华教授《机器学习导论》和《统计机器学习》课程讲义
- 机器学习导论(张志华):正定核应用
- 机器学习导论(张志华):主元分析
- 机器学习导论(张志华):EM算法
- 机器学习导论第一章
- 《机器学习导论》札记
- 机器学习导论
- PRML读书笔记——机器学习导论
- 学习日志---机器学习导论
- 机器学习导论
- 张志华教授最近的SVD综述性文章
- 关于机器学习的领悟与反思(张志华北大数学系教授)
- 《机器学习导论》学习札记1——第一章:绪论
- 机器学习导论