- 博客(8)
- 资源 (6)
- 收藏
- 关注
RSS订阅转载 核PCA——从理论到实现
核PCA——从理论到实现1. PCA方法：设X=[x1,x2,…xN],x∈Rd，为d维样本空间的N个向量h=i。协方差矩阵：C=1NXXT可以做特征值分解C=UΛUT，其中U为特征矩阵，Λ是特征值矩阵。若只保留k个维度，只需要以k个特征向量为基矢，将所有的向量向他们投影，就可以了。对于二维的情况如下图（来自wikipedia，[2]）
2015-05-29 09:46:32
7539
2
转载 机器学习问题方法总结
机器学习问题方法总结转自 http://www.cnblogs.com/zhangchaoyang/archive/2012/08/28/2660929.htmlData Mining机器学习问题方法总结大类名称关键词有监督分类决策树信息增益
2015-05-22 00:00:01
431
转载 线性代数导论4——A的LU分解
线性代数导论4——A的LU分解一、A=LA分解消元的目的，只是为了更好正确的认识矩阵的概念，A=LU是最基础的矩阵分解。L是下三角矩阵，U是上三角矩阵。A通过消元最终得到U，L即A与U之间的联系。先看A矩阵通过初等矩阵消元得到U：这里要求的是A=LU，L和消元矩阵E是什么联系呢？L与E互为逆矩阵。消元矩阵的逆是比较容易求的 有时我们将U中的主元提取出来，
2015-05-21 23:39:15
1083
转载 核函数
出发点：如何让线性不可分的数据变得线性可分呢？例子是下面这张图：我们把横轴上端点a和b之间红色部分里的所有点定为正类，两边的黑色部分里的点定为负类。试问能找到一个线性函数把两类正确分开么？不能，因为二维空间里的线性函数就是指直线，显然找不到符合条件的直线。但我们可以找到一条曲线，例如下面这一条：显然通过点在这条曲线的上方还是下方就可以判断
2015-05-18 10:53:55
591
转载 线性代数导论3——乘法与逆矩阵
线性代数导论3——乘法与逆矩阵本文是Gilbert Strang的线性代数导论课程笔记。课程地址：http://v.163.com/special/opencourse/daishu.html第三课时：乘法与逆矩阵本课时先讲解矩阵乘法运算，然后是逆矩阵一、矩阵乘法：5种方法Am×n Bn×p = Cm×p，A列必须等于B的行数1）常规方法，行列点乘法：C=A
2015-05-06 09:40:47
1116
转载 线性代数导论2——矩阵消元
线性代数导论2——矩阵消元本文是Gilbert Strang的线性代数导论课程笔记。课程地址：http://v.163.com/special/opencourse/daishu.html第二课时：矩阵消元本课时的目标是用矩阵变换描述消元法。核心概念是矩阵变换。一、消元法消元法：将主对角线上的主元固定（0不能做主元），把主元下面的元素消为0。过程
2015-05-06 09:23:06
719
转载 线性代数导论1——方程组的几何解释
线性代数导论1——方程组的几何解释本文是Gilbert Strang的线性代数导论课程笔记。课程地址：http://v.163.com/special/opencourse/daishu.html第一课时：方程组的几何解释一、线性方程组的两种理解方式：行图像和列图像对于方程组：我们可以表示成矩阵形式： 系数矩阵A，未知数向量x，右
2015-05-06 08:53:18
595
转载 机器学习中有关数学的一些推荐书籍
数学学习（林达华原著） 这里说说几本我看过后觉得不错的数学教科书。1. 线性代数 (Linear Algebra)：我想国内的大学生都会学过这门课程，但是，未必每一位老师都能贯彻它的精要。这门学科对于Learning是必备的基础，对它的透彻掌握是必不可少的。我在科大一年级的时候就学习了这门课，后来到了香港后，又重新把线性代数读了一遍，所读的是Introd
2015-05-06 08:40:44
2693
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人