matlab用幂法求特征值与特征向量_【第15集更新】机器学习数学基础-用Python讲线代...

409beede75ec7dc894b911305a8e9e48.png

机器学习数学基础-用python讲线代【第15集】更新啦!

线性代数很重要,他是机器学习的数学基础。谈到线性代数,很多同学的第一印象一定是大块大块的数字,密密麻麻的。在脑中不停的出现各种转换、各种运算以及夹杂着各种生僻字的名词术语

这可能是国内许多大学里数学教学的通病吧,重计算过程而轻几何物理意义。一个学期下来,听听课,算算题,考考试,结束!而对于很多重要的定理,能做题,但是却不一定十分清楚定理到底是怎么来的、为了干啥以及为什么就出现在了这。

而这里讲的,不再是那个大学里令人乏味的线性代数啦!

这也是我们专栏一直以来的努力方向,我们认为数学应该意义清晰、表现直观。因此,我们这一季的思路是:通过描述线性代数的空间几何意义,来展现他的卓越之处,通过python工具,来切切实实的把线性代数用起来,用线性代数来解决高大上的问题,而不是沉溺于其本身的计算技巧的细节。试想再牛逼的笔算技巧,在计算机面前似乎也没有什么意义。

本集要点抢鲜

S03E15 深入浅出SVD(下)(连载地址见文末)

本集要点

1.行压缩数据降维
2.列压缩数据降维
3.对矩阵整体进行数据压缩
4.利用python进行实际操作

历史剧集回顾

S03E01 向量和矩阵的python描述

本集要点

1.本季思路:用python工具把线性代数使用起来,告别乏味
2.行、列向量的表示方法
3.矩阵的表示方法及矩阵的转置
4.方阵、零矩阵、单位矩阵及对角矩阵等特殊矩阵

S03E02 向量运算的python描述与空间坐标变换

本集要点

1.向量的加法、数量及、内积、外积的python表示
2.向量的坐标依赖于选取的基底
3.向量在不同基底上表示维不同坐标及计算方法
4.构成基底的条件
5.张成空间的概念

S03E03 矩阵运算的python描述及矩阵乘法的本质剖析

本集要点

1.python描述的矩阵加法与数量乘法
2.python描述的矩阵与向量、矩阵与矩阵的乘法
3.矩阵与向量乘法的本质在于对向量基底的转换

S03E04 矩阵的形态与逆映射存在性间的关系

本集要点

1.列数大于行数的“矮胖”矩阵压缩了空间,不存在逆映射
2.行数大于列数的“高瘦”矩阵无法完整覆盖目标空间,不存在逆映射
3.逆映射存在的前提条件是方阵
4.有些方阵也不存在逆映射

S03E05 逆矩阵存在的条件及python求取方法

本集要点

1.空间压缩映射的矩阵特征是其列向量线性相关
2.本质原因是原基底映射后张成空间的降维
3.一个方阵其逆矩阵存在的条件
4.用python求解一个方阵的逆矩阵

S03E06 深入探讨矩阵的秩及python求取方法

本集要点

1.矩阵映射后的像空间维数dimImA定义为矩阵的秩
2.秩的取值与单射、满射、双射的关系
3.矩阵变换时空间维度的变化规律
4.利用python求矩阵的秩

S03E07 从矩阵映射的角度分析线性方程组的解

本集要点

1.系数方阵如果可逆,则线性方程组的解唯一
2.目标空间里的y向量如果不在像空间中,则方程组无解
3.线性方程组如果有多个解,解的形式为任意某解加上核空间基底的线性组合

S03E08 用坐标变换的思想详解相似矩阵与相似变换

本集要点

1.基底不同,描述向量的坐标值就不同 2.基底不同,描述向量线性变换的矩阵也不同 3.相似矩阵与相似变换的基本概念 4.利用基底变换推导相似矩阵间的转换方法和关系式 5.相似变换的一大作用在于寻找矩阵的最佳相似矩阵:对角矩阵

S03E09 矩阵对角化的构造方法详解

本集要点

1.构造对角化的转换矩阵
的思路

2.特征向量和特征值的定义和空间几何内涵
3.用基变换的方法再次推导对角化的过程

S03E10 特征值和特征向量的性质与python求解方法

本集要点

1.特征值和特征向量的几何意义
2.特征值和特征向量的基本几何性质
3.关于特征向量的线性无关系讨论
4.特征值与特征向量的python求解方法

S03E11 细致剖析最重要的矩阵:对称矩阵

本集要点

1.对称矩阵的基本特性
2.实对称矩阵一定能够对角化
3.实对称矩阵的标准正交特征向量
4.关于对称矩阵的特征值

S03E12 谈谈数据分布的度量

本集要点

1.谈谈期望与方差
2.协方差与协方差矩阵

S03E13 特征值分解与主成分分析

本集要点

1.数据降维的需求背景
2.终极目标:特征减少,损失要小
3.主成分分析法降维的思路
4.主成分分析的具体实施细节

S03E14 深入浅出SVD(上)(连载地址见文末)

本集要点

1.再谈特征值分解的几何意义
2.从
入手奇异值分解

3.着手尝试分解
4.分析SVD分解过程中的细节

历史剧集回顾

第三季连载地址:

酱油哥:来吧,一起踏上Python数据科学之路​zhuanlan.zhihu.com
ce4ecd87615b7ed7d3c496b028a8ba75.png

本季正在持续连载中,敬请关注!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值