- 博客(6)
- 资源 (2)
- 收藏
- 关注
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