数学
文章平均质量分 51
vincent2610
晚来天欲雪,能饮一杯无
展开
-
排列组合-排列
排列组合-排列转载 2014-03-28 11:09:06 · 500 阅读 · 0 评论 -
方阵的特征值与特征向量
来自http://www.tongji.edu.cn/~math/xxds/kcja/kcja_b/5-2.htm方阵的特征值与特征向量 定义 设 是阶方阵,若有数和非零向量,使得 称数 是的特征值,非零向量是对应于特征值的特征向量。 例如 对 ,有及向量,使得,这说明是的特征值,是转载 2014-01-07 11:12:11 · 1092 阅读 · 0 评论 -
特征向量的几何含义
来自http://fanhy298.blog.sohu.com/130363634.html长时间以来一直不了解矩阵的特征值和特征向量到底有何意义(估计很多兄弟有同样感受)。知道它的数学公式,但却找不出它的几何含义,教科书里没有真正地把这一概念从各种角度实例化地进行讲解,只是一天到晚地列公式玩理论——有个屁用啊。根据特征向量数学公式定义,矩阵乘以一个向量的结果仍是同维数的一个向量,转载 2014-01-07 11:19:20 · 535 阅读 · 0 评论 -
条件熵
以前对条件熵的计算存在误解。这里记录一下正确的理解方式注意,这个式子是H(x|yj)而非H(x|y),所以条件熵一般是指某个具体yj的情况下计算的x的熵。而H(x|y) 则是如此计算的:H(x|y) = p(y1)*H(x|y1) + ……+p(yj)*H(x|yj)原创 2016-07-28 16:04:27 · 969 阅读 · 0 评论 -
主成分分析PCA
PCA的目的 PCA(Principal Component Analysis)将原始数据降维成另一组数据。转换后的数据有两个要求: ① 同组数据间尽可能发散(方差越大越好) ② 各维数据间尽可能线性无关(协方差越小越好)PCA的原理 首先我们假设原始数据X为m组2维: X=(a1b1a2b2......ambm)X=\begin{pmatrix} a_1& a_2 & ... &原创 2017-03-05 16:37:31 · 488 阅读 · 0 评论 -
对拉格朗日乘数法的直观认识
高数里面我们学过,带等式约束的最优化问题可以用拉格朗日乘数法解决。最近看到一些文章,还是觉得把这个记下来,防止忘记。 【例子】 问题描述:求双曲线xy=3上离远点最近的点。 这个问题是一个带等式约束的最优化问题: minx2+y2s.t.xy=3\min x^2+y^2 \quad s.t.\quad xy=3 直观解释:把我们将x2+y2=cx^2+y^2=c的曲线族画出来,如下图所示原创 2017-04-19 12:30:57 · 2888 阅读 · 0 评论