- 博客(7)
- 收藏
- 关注
原创 向量数据库全方位解析与选型指南
我们知道,线性代数可以类比为人工智能世界的基本“语言”(读者可参考之前的文章:AI世界的“语言”-线性代数(1)),其中向量作为表示数据和数据间关系的应用更是无处不在。在人工智能时代,数据呈现出爆炸式增长的态势,同时随着深度学习、自然语言处理、图像识别等领域的不断突破,对数据的各种需求也日益复杂,其中非结构化数据占据的比例越来越大。传统的数据库在处理这些高维、非结构化的数据时显得力不从心。在此背景下,向量数据库应运而生,它通过将数据表示为高维向量,并利用向量之间的相似性进行搜索和分析,为AI应用提供强大支持
2024-09-11 16:46:47
917
原创 主成分分析PCA找寻数据“灵魂”-线性代数(4)
主成分分析(PCA)核心思想是将高维数据转换为低维数据,同时尽可能保留原始数据的主要信息,主要过程是将原始数据中的所有变量通过线性变换后,按照方差大小进行排序,与奇异矩阵的奇异值类似,方差越大,保留数据中信息越多,按此顺序选取少数几个互不相关(正交)的关键变量,这些关键变量称为主成分,也就是该部分数据的“灵魂”。,如下图所示,假如数据点的分布在y轴坐标上基本没什么差异,而在x轴上的距离相对比较大(一般用方差表示距离大小),则可以只选取x轴坐标的数值表示数据分布的主要情况。
2024-08-31 11:49:15
1175
原创 用矩阵分解找寻数据“灵魂”-线性代数(3)
通过奇异值分解(SVD),我们可以将原始数据矩阵分解为三个矩阵的乘积,其中,对角矩阵Σ上的奇异值表示了各个特征的重要性。通过上述内容,我们将常见的特征分解(Eigenvalue Decomposition, EVD)、奇异值分解(Singular Value Decomposition, SVD)的定义、计算实例和应用进行了说明,虽然该部分内容不是解决实际问题的完整方案,但却是理解特征提取、数据降维和噪声去除等常见人工智能数据过程的核心原理,要想筑牢理论基础,必须要对上述内容了然于胸。
2024-08-25 14:23:29
1137
原创 AI线性算法的“视觉”理解-线性代数(2)
既然从“视觉”角度来理解线性代数,那么线性代数的“视觉”表示和线性变换是主要的两个概念,但是在高维空间中,可视化变得非常困难,只能通过数学的方法来理解它们,本文主要以线性代数的二维和三维视觉来进行探讨,读者可以以此来理解和类推更高维情况。对于二维实数R向量空间可以想象成为在二维空间所有点(x,y)的集合,组成一个无限延伸的二维平面,同样的,对于三维实数R向量空间可以想象成为在三维空间所有点(x,y,z)的集合,组成一个无限延伸的三维平面,而如果向量元素为整数,则为向量空间为离散型。向量a乘以标量r等于在。
2024-08-19 13:50:14
859
原创 AI世界的“语言”-线性代数(1)
线性代数作为数学的一个分支,主要是面向连续数学,而非离散数学,所以传统的计算机技术涉及的并不多,但是掌握好线性代数对于理解和优化机器学习算法是很有必要的,尤其对于深度学习算法而言。线性代数可以看成是人工智能世界通用的一种“语言”。就像人用自然语言(中文、英文等)来沟通交流一样,线性代数可以类比成AI系统中用来表示、交流、处理和计算数据的“语言”。向量是单词: 每个向量就像是自然语言的一个单词,用来表示数据中的一个特征。例如,在图像识别中,一个向量可以表示图像的一个像素点。矩阵是句子。
2024-08-12 10:30:58
668
原创 人工智能背后的数学力量
数学知识广袤且深邃,在通往人工智能的道路上,我们并不需要把所有数学内容都事无巨细掌握,可以以目标为导向,先把数学中必要的基础知识进行掌握,然后针对具体工作目标进行针对性的学习,其实并不困难,下面我们就来了解一下人工智能的“魔法”是在哪些数学基础知识的力量支持下完成的。数学不仅是解决复杂问题的工具,更是理解和构建人工智能算法的基础,理解其背后的原理可以使我们更加客观地审视人工智能的功能和局限,避免过度神话或错失人工智能带来的能力。通过将数据或关系表示为图的结构,图论的方法可以有效地分析和处理复杂的数据关系。
2024-08-07 11:26:22
571
1
原创 认识人工智能
正如数字和信息时代极大地改变了人们获取信息的方式、处理信息的能力以及交流互动的形式,人工智能时代对大家的影响也将是巨大的,当前人工智能处于早期阶段,未来的发展将是长期和持续的,如果对此有清楚的认识,那么了解和熟悉人工智能相关知识,借助人工智能助力工作和生活,也就理所当然了。数据对智能的重要性不言而喻,失去数据就失去了认知的来源,人工智能代表性学者吴恩达(Andrew Ng)曾经说过“有标注的高质量数据才能释放人工智能的价值,如果业界将更多的精力放在数据质量上,人工智能的发展会更快”。
2024-08-05 17:01:24
312
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人