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