机器学习

矩阵

矩阵有三个重要用途：

• 第一是解线性方程组，比如二维矩阵可以理解为一个平面直角坐标系内的点集，通过计算点与点之间的距离，完成聚类、分类或预测，类似的运算完全可以扩展到多维的情况。
• 第二个用途是方程降次，也就是利用矩阵的二次型，通过升维将线性不可分的数据集映射到高维中，转换为线性可分的情形，这是支持向量机的基本原理之一。
• 第三个用途是变换，矩阵可以通过特征值和特征向量，完成维度约简，简化类似图片这种高维数据集的运算，主成分分析使用的就是这个原理。

空间变换

以矩阵为基础的运算，对象是矩阵中的一个向量，矩阵是由对象构成的集合。

• 由特征列的取值范围所有构成的矩阵空间，应具有完整性，即能够反映出事物的空间形式或变化规律。

数学

现代数学有三个重要的基石：

• 概率论：说明了事物可能会是什么样
• 数值分析：揭示了它们为什么这样，以及如何变成这样
• 线性代数：告诉了我们事物从来不只有一个样子，使我们能从多个角度来观察事物

想要真正理解概率需要弄清楚两个问题：

• 确定性与随机性
• 统计规律

随机性是事物的一种根本的、内在的、无法根除的性质，也是一切事物（概率）的本质属性。
对事物运动不确定性(随机性)的度量就是概率论

随机变量，一般是一个向量，可以包含不同取值范围的多个变量，有必要研究一下这些变量的分布情况，也就是随机变量的数字特征，从中发掘出一定的规律性：

• 期望：衡量样本某个特征列取值范围的平均值
• 方差：衡量样本某个特征列取值范围的离散程度
• 协方差矩阵和相关系数：衡量样本特征列之间线性相关性

通用规律

对计算机视觉应用环境的约束越多，则越能够使用这些约束来简化问题，从而使最终的解决方案越可靠。

算法库安装

$sudo pip install python-nump
$sudo pip install scipy
$sudo pip install matplotlib
$sudo pip install scikit-learn

或者

$sudo apt-get install python-numpy
$sudo apt-get install python-scipy
$sudo apt-get install python-matplotlib
$sudo apt-get install python-scikits-learn