![](https://img-blog.csdnimg.cn/20190918140037908.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
Julia学习笔记
记录Julia学习内容
王有福
鲁棒优化(RO/DRO/RSO)、随机优化、RSOME和Gurobi实操缓慢学习中...
展开
-
Julia安装和初步使用
Julia安装和初步使用第一部分--安装第二部分 运算体验Julia是一种新型的科学计算和编程语言,编程风格与python相似,计算风格同matlab相仿,同时又兼有c语言的运行速度。众多优势集一身,在此学习一下,并记录一下,使用中存在的问题和心得体会。第一部分–安装Julia的安装没有像Annaconda这样类似的python集成开发环境,能够集成大多数常用三方包。其常用JuliaPro IDE只预安装了Atom,IJulia等四个包,远远不够使用。这就需要需要手动安装三方库。在官网下载Julia原创 2020-06-10 18:13:39 · 2849 阅读 · 2 评论 -
Julia求矩阵特征向量
Julia求矩阵特征向量1、高斯消元,初等行变换2.回代求解填坑。上一篇Julia的学习笔记,使用QR分解求矩阵的特征值。但是仅求出了方阵的特征值,而没有求出特征向量。在此使用特征值求解对应的特征向量。根据特征值和特征向量的定义:Ax=λxAx=\lambda xAx=λx,可以化简为(A−λI)x=0(A-\lambda I)x =0(A−λI)x=0,也即是求解出特征值λ\lambdaλ对应的特征向量xxx。本质上,向量xxx对应于矩阵A−λIA-\lambda IA−λI的零空间中的向量。对于矩原创 2020-06-25 19:59:51 · 1607 阅读 · 0 评论 -
Julia 矩阵QR分解和特征值
Julia 矩阵QR分解和特征值前言1. 施密特正交(1) 利用施密特正交求出正交矩阵Q(2) 求出上三角矩阵R(3) 改进的消减QR分解前言在上一篇的PCA中使用了LinearAlgebra中封装的函数求取的特征值和特征向量。在此学习一下特征值的数值求解算法,主要参考[1]。矩阵特征值的数值求解方法中,一般有求部分特征值和特征向量的幂法和反幂法,以及求取全部特征值的QR分解方法。在此关注QR分解方法。QR分解,是把矩阵分解为正交矩阵和三角矩阵的乘积,其中关键点在于正交矩阵的求法正交矩阵的求原创 2020-06-20 18:38:21 · 3406 阅读 · 0 评论 -
Julia 主成分分析PCA
Julia 主成分分析PCA前言PCA 主成分分析的思路1. 实现样本属性的协方差矩阵前言最近在添补之前埋下的坑,学习和实践机器学习。master阶段以李航的《统计学习》为基础,做了一部分机器学习工作。进来以周志华《机器学习》为参考,系统性的学习下机器学习,主要使用python的sklearn库。再者,结合Julia语言联系一下Julia编程。PCA 主成分分析的思路PCA利用样本矩阵的特征值,对样本的属性进行降维。原理不表了,大家随处可搜到。1.计算样本的协方差矩阵2.对协方差矩阵求解特征值原创 2020-06-19 22:09:11 · 829 阅读 · 0 评论