- 博客(6)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 SVD详细介绍-理论公式证明及低秩近似和特征降维
第一部分：矩阵的奇异值分解：矩阵的奇异值分解证明过程中会用到五个定理，先作为补充知识展示这五个定理：定理一：A是对称矩阵，则不同特征值对应的特征向量是正交的。证明：设，是矩阵A的特征向量，且，，为，对应的特征向量，即：，则，因为A是对称矩阵，则所以，则：因为，所以：，即：和是正交的。证毕————————————————————...
2019-06-09 17:42:12
5549
1
转载 详解SVD分解过程
转如何让奇异值分解(SVD)变得不“奇异”？红色石头 发布于 2018-08-29 分类：机器学习 阅读(144) 评论(0)如何让奇异值分解(SVD)变得不“奇异”？-红色石头的个人博客http://redstonewill.com/1529/在之前的一篇文章：通俗解释协方差与相关系数，红色石头为大家通俗化地讲解了协方差是如何定义的，以及如何直观理解协方差，并且比较了协...
2019-06-09 16:54:42
15968
3
转载 矩阵的迹以及迹对矩阵求导
ref： https://blog.csdn.net/u012421852/article/details/79594933矩阵的迹概念 矩阵的迹 就是 矩阵的主对角线上所有元素的和。 矩阵A的迹，记作tr(A)，可知tra(A)=∑aii，1<=i<=n。定理：tr(AB) = tr(BA)证明定理：tr(ABC) = tr(C...
2019-06-08 12:18:25
11269
转载 矩阵求导
https://www.jianshu.com/p/4128e5b31fb4title: 闲话矩阵求导原始文件没有办法把latex公式正常显示，所以一个一个弄出来了，保留了原来的公式。原始文章来自《闲话矩阵求导》。矩阵求导，想必许多领域能见到。统计学，经济学，优化，机器学习等等，在对目标问题建立数学模型之后，问题往往被抽象为关于矩阵的优化问题。于是免不了需要对矩阵进行求导等操作。简单...
2019-06-08 12:17:22
177
转载 关于范数的介绍
作者：Faaany链接：https://www.zhihu.com/question/21868680/answer/136376374来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。要更好的理解范数，就要从函数、几何与矩阵的角度去理解，我尽量讲的通俗一些。我们都知道，函数与几何图形往往是有对应的关系，这个很好想象，特别是在三维以下的空间内，函数是几...
2019-06-08 01:17:30
922
转载 时间序列预测-ARIMA
参考资料1https://pyflux.readthedocs.io/en/latest/arima.html#example参考资料2多元序列分析ARIMAX(p,I,q)宇智波带土没事瞎折腾4 人赞同了该文章这里借助Python的statsmodels库和pyflux库进行多元时间序列分析，建立ARIMAX(p,I,q)模型用来预测二氧化碳浓度数据。其中p...
2019-06-05 21:17:47
2459
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人