数据挖掘
文章平均质量分 90
lala提子lala
这个作者很懒,什么都没留下…
展开
-
凸优化问题01:概述
凸优化问题01:概述前言凸优化基础知识体系一个简单的定理证明定理证明从一维推导至多维凸集(convex sets)凸集(convex sets)与仿射集(Affine Set)区分凸函数(convex function)凸函数定义凸函数举例凸优化参考资料前言最近在学习数据挖掘相关过程,之前已经学习了朴素贝叶斯和SVM,但没有及时记录下来,之后可能会补发相关的学习笔记,目前的学习系列是凸优化的学...原创 2018-10-10 11:15:40 · 607 阅读 · 0 评论 -
奇异值分解推导及相关知识补充
奇异值分解(SVD)推导及相关数学知识补充相关数学知识补充矩阵的秩正交矩阵(orthogonal matrix)SVD推导的相关引理引理1引理2引理3引理4SVD推导参考资料相关数学知识补充矩阵的秩定义矩阵A中不为零的子式的最高阶数,称为矩阵A的秩,记作r(A)。零矩阵的秩为0。性质秩是一个正整数或0。秩等于或小于矩阵的行数和列数。秩等于或小于矩阵的行数和列数。当n×n矩阵A的秩...原创 2018-10-22 22:13:59 · 1057 阅读 · 0 评论 -
SVD——奇异值分解概述
奇异值分解(SVD)概述前言特征值奇异值分解奇异值分解:定义奇异值分解:求解过程SVD的几何性质特征值分解和SVD的区别:几何意义SVD的一些性质参考资料前言奇异值分解(Singular Value Decomposition,简称 SVD)奇异值分解是一个有着很明显的物理意义的一种方法,它可以将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示,这些小矩阵描述的是矩阵的重要的特性。这...原创 2019-01-22 20:15:26 · 2814 阅读 · 0 评论