![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
矩阵
文章平均质量分 74
Codefmeister
Nothing to say.
展开
-
Affinity Matrix(关联矩阵,相似度矩阵),Cosine Similarity, Jaccard similarity
Affinity Matrixreference: DeepAI, WikipediaWhat is an Affinity Matrix?Affinity Matrix, 也叫做 Similarity Matrix。即关联矩阵,或称为相似度矩阵,是一项重要的统计学技术,是一种基本的统计技术,用于组织一组数据点之间的彼此相似性。相似度(similarity)类似于距离(distance),但它不满足度量性质,两个相同的点的similarity scores为1,而在metric下将为0。相似度量原创 2021-04-10 16:17:07 · 13085 阅读 · 2 评论 -
随机矩阵Left stochastic matrix, Right stochastic matrix, Doubly stochastic matrix,置换矩阵Permutation Matrix
Stochastic MatrixDefinition:In mathematics, a stochastic matrix is a square matrix used to describe the transitions of a Markov chain. Each of its entries is a nonnegative real number representing a probability. It is also called a probability matrix, t原创 2021-02-06 10:50:29 · 768 阅读 · 0 评论 -
numpy求矩阵的特征值与特征向量(np.linalg.eig函数详解)
numpy求矩阵的特征值与特征向量(np.linalg.eig)语法np.linalg.eig(a)功能Compute the eigenvalues and right eigenvectors of a square array.求方阵(n x n)的特征值与右特征向量Parametersa : (…, M, M) arrayMatrices for which the eigenvalues and right eigenvectors willbe computeda原创 2020-11-22 10:12:58 · 25778 阅读 · 10 评论 -
协方差矩阵数学原理,numpy计算协方差矩阵(np.cov)函数详解与源码剖析
协方差矩阵详解以及numpy计算协方差矩阵(np.cov)协方差矩阵详解均值,标准差与方差由简单的统计学基础知识,我们有如下公式:Xˉ=∑i=1nXin\bar X{\rm{ = }}\frac{{\sum\limits_{i = 1}^n {{X_i}} }}{{\rm{n}}}Xˉ=ni=1∑nXiS=∑i=1n(Xi−Xˉ)2n−1S = \sqrt {\frac{{\sum\limits_{i = 1}^n {{{({X_i} - \bar X)}^2}} }}{{n - 1}}}S原创 2020-11-22 10:06:04 · 12095 阅读 · 3 评论 -
ndarray的转置(numpy.transpose()与A.T命令对比详解)
ndarray的转置(transpose)对于A是由np.ndarray表示的情况:可以直接使用命令A.T。也可以使用命令A.transpose()。A.T 与 A.transpose()对比结论:在默认情况下,两者效果相同,但transpose()可以指定交换的axis维度。对于一维数组,两者均不改变,返回原数组。对于二维数组,默认进行标准的转置操作。对于多维数组A,A.shape为(a,b,c,d,...,n),则转置后的shape为(n,...,d,c,b,a),即逆序。对于.tr原创 2020-11-21 21:53:13 · 5680 阅读 · 1 评论 -
Matrix Differentiation(矩阵求导)以及矩阵求导常用公式
Matrix Differentiation(矩阵求导)References: Matrix Differentiation,Rabdak J.Barnes 注: 本文直接从Matrix Differentiation开始记录,之前的乘法等基础部分不表。Convention 3m维向量对n维向量求导所得的结果是一个mxn矩阵,即Jacobian Matrix。具体形式见上公式。命题5 Proposition 5即:Ax对x求导,结果为AProof命题6 Proposition 6原创 2020-11-16 10:55:19 · 3638 阅读 · 2 评论 -
克罗内克内积 Kronecker product
克罗内克内积 Kronecker product ⊗\otimes⊗1.1 概述克罗内克内积是一种特殊的张量积。任何两个形状的矩阵都可以进行克罗内克内积操作。1.2 定义 DefinitionA⊗BA \otimes BA⊗B的定义:A是mxn矩阵,B是pxq矩阵。A⊗BA \otimes BA⊗B是mp x nq的分块矩阵。例子:1.3 性质Reference: 百度百科1.3.1 双线性结合律1.3.2 不满足交换律1.3.3 混合乘积性...原创 2020-11-15 22:24:29 · 3252 阅读 · 0 评论 -
矩阵的基础知识与公式(转置,逆,迹,行列式)
矩阵的基础知识与公式(转置,逆,迹,行列式)References: MatrixCookBook(Version 2012) Chapter1Chapter1: Basics1 Basics注:AH{A^H}AH是A的Transposed and complex conjugated matrix (Hermitian),即转置复共轭矩阵。1.1 矩阵的迹(Trace)式子(11)表明矩阵的迹是主对角线元素的和。式子(12)表明矩阵的迹是矩阵的特征值的和。式子(13)表明矩阵的迹等于原创 2020-11-15 21:28:58 · 32194 阅读 · 1 评论