本文介绍了线性代数中的基本概念，包括p范数、向量的内积（点积）、向量投影、cos相似度及其在不同情况下的应用。还探讨了Pearson相似度的计算及其线性不变性，以及线性相关、线性独立和向量组秩的概念，强调了这些理论在逻辑回归、线性回归和特征选择中的作用。
一 . p范数
向量的长度，也叫向量的范数，p范数定义了距离，kmeans 长度的扩展：(a**p+b**p+c**p)**(1/p)
二. 向量a和向量b的内积（点积）
a·b = a1*b1+a2*b2+a3*b3=|a|*|b|cosq
物理意义：点积反映了2个向量共振的程度
三. 向量的投影
Proj.u = (u·v)/|v|
物理意义：向量u在向量v上的投影
四.cos相似度的计算公式：cosq = (u·v) / (|u|*|v|)
cosq的值越大，表明相似度越大。
两个向量的cos相似度越大，两个向量就越相似
cos相似度的问题：当用户的评分尺度不一样时，就无法正确反映有用的信息，这就想到Pearson相似度
五. Pearson相似度
又叫Pearson相关系数，correlation coefficient
最低0.47元/天 解锁文章
扫一扫
1360
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
