机器学习第一章--数理知识

已于 2022-08-22 13:40:32 修改
阅读量212 收藏
点赞数
分类专栏： 人工智能 文章标签： 机器学习 python 人工智能
于 2022-08-18 21:59:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_62705892/article/details/126413198
版权

矩阵的迹

 矩阵的转置

 对称矩阵

 协方差矩阵

 行列式

行列式的计算 1

t是全排列中的逆序数

行列式的性质

余子式

推论：

  

克莱姆法则

 

矩阵的逆

分块矩阵

矩阵逆的常用性质

 矩阵的初等变换

初等变换的性质

 

 矩阵逆的简单求法

矩阵的秩

 

矩阵秩的性质

线性方程解的个数

 向量的内积

 范数与正交

规范正交基

矩阵的求导

 

 

矩阵在深度学习中的作用

​​​​​​​

 

 

 

wwwrwwwww1
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习-第1章-引言
02-07
机器学习-第1章-引言
机器学习的数学知识点总结
杨6的博客
04-23 739
高等数学 1. 导数和偏导数的定义与计算方法，与函数性质的关系 导数的定义 偏导数的定义 可导一定连续，连续不一定可导。 2. 梯度向量的定义 3. 极值定理，可导函数在极值点处导数或梯度必须为0 4. 雅可比矩阵，这是向量到向量映射函数的偏导数构成的矩阵，在求导推导中会用到 5. Hessian矩阵，这是2阶导数对多元函数的推广，与函数的极值有密切的联系 6. 凸函数的定义与判断方法 7....
机器学习（数学知识）
weixin_43036489的博客
08-22 1686
*古人云：故不积跬步，无以致千里，不积小流，无以成江海。 每一步的成功都是由每一小步的努力构成，所以，勿忘记基础。* 《微积分》 泰勒公式是函数在某一个定点的展开公式。 我们可以在其基础上，用其展开式结合上下限利用夹逼准则求极值，也可以用用梯度下降法求极值（即用F(x)的方向导数，沿着梯度方向求函数局部或者全局最小解），同时也可以根据牛顿法求平方根等等，其应用非常广泛。 gamma函...
机器学习实战第一章-k-邻近算法.pdf
08-09
机器学习实战这本书的代码是基于python2实现的，比较老了很多方法已经弃用了，这个是基于python3实现的代码，跟着菊安酱的视频学习来敲的，部分代码写有注释。
西瓜书《机器学习》---第四章 决策树python代码实现
06-21
【对应博客内本章内容】 4.3 编程实现基于信息熵进行划分选择的决策树算法，并为西瓜数据集3.0中的数据生成一颗决策树。 4.4 编程实现基于基尼指数进行划分选择的决策树算法，为西瓜数据集2.0生成预剪枝、后剪枝决策...
机器学习大作业-预测天气.zip
01-05
机器学习大作业-预测天气.zip
西瓜书机器学习第一章至第九章课后练习作业
04-13
西瓜书机器学习第一章至第九章课后练习作业
【机器学习】第7章 集成学习（小重点，混之前章节出题但小题）
m0_69194031的博客
06-18 482
每棵决策树不需要剪枝处理。一方面量 (数据量) 不够，有限的数据集过度训练导致模型复杂，另一方面质(样本质量)不行，测试集中的数据分布未在训练集中，导致每次抽样训练模型时，每次模型参数不同，导致无法准确的预测出正确结果。，而是指多个(次)模型输出的结果之间的离散差异（注意这里写的是多个(次)模型，即 不同模型 或 同一模型不同时间 的输出结果方差较大）。训练子集中的样本存在一定的重复，主要是为了在训练模型时，每一棵树的输入样本都不是全部的样本，使森林中的决策树不至于产生局部最优解。（3）生成随机森林。
Elasticsearch机器学习初探：智能数据洞察
Dxy1239310216的博客
06-15 588
Elasticsearch的机器学习功能为用户提供了强大的数据分析工具，可以帮助他们更智能地处理和分析数据。通过预测、异常检测、分类和聚类等功能，用户可以更快速地获取数据洞察，并做出更明智的决策。尽管Elasticsearch的机器学习功能仍处于不断发展的阶段，但它已经为用户带来了显著的收益。随着Elastic Stack的不断发展，我们期待看到更多强大的机器学习功能被引入到Elasticsearch中。
机器学习课程复习——隐马尔可夫
Winkyyyyyy的博客
06-15 804
机器学习课程复习——隐马尔可夫
探索机器学习：深入理解Sklearn基础
06-11 1233
机器学习和数据科学正以惊人的速度改变着我们的世界，而Sklearn（Scikit-learn）作为Python语言中最为流行的机器学习库之一，成为了数据科学家和机器学习工程师的必备工具。本教程旨在帮助您从零开始掌握Sklearn，通过一步步的实例和解释，让您能够独立完成数据预处理、模型训练、评估和优化。无论您是数据科学的新手，还是希望巩固基础的老手，都能从中获益。
机器学习_SVM支持向量机
weixin_74326343的博客
06-11 540
上面用到的是线性SVM，但在实际应用中，需要处理更复杂的数据分布，例如使用核函数处理非线性可分的数据。此外，超参数的选择（如学习率、正则化参数和迭代次数）对模型性能有重要影响，还有松弛变量C对最后模型的训练效果也有很大影响（可能存在过拟合/欠拟合）
机器学习课程复习——支持向量机
Winkyyyyyy的博客
06-15 501
二类分类模型（线性分类器+核技巧=非线性分类器）
基于机器学习和深度学习的C-MAPSS涡扇发动机剩余寿命RUL预测（Python，Jupyter Notebook环境）
weixin_39402231的博客
06-15 666
基于机器学习和深度学习的C-MAPSS涡扇发动机剩余寿命RUL预测（Python，Jupyter Notebook环境）
机器学习课程复习——逻辑回归
Winkyyyyyy的博客
06-15 591
逻辑回归=线性回归+sigmoid函数
Explain Python Machine Learning Models with SHAP Library
gaohongfeng1的博客
06-16 892
")df.shape# 0## counts# y# no 3668# yes 451# y])])])# 62plt.show()plt.show()})Great!Fantastic!
【机器学习】第3章 K-近邻算法
m0_69194031的博客
06-18 268
（1）其中K是特征值，就是选择离某个预测的值（例如预测的是苹果，就找个苹果）最近的几个值，邻近的意思也很简单，就是距离上最近，距离测算主要分两种。实际情况就是点的x,y这些值就是这个点的特征，一样的事物最后在坐标轴上位置离得很近，而你把预测值放进去，它离哪个近，可不就是哪个玩意嘛。（2）K过大：造成欠拟合，因为样本过多，假设判断的是人种，那么多都是人，那猿猴也有人的特征，很容易就也被归类到人里面了。1.K-近邻算法：也叫KNN 分类 算法，其中的N是 邻近邻居NearestNeighbor的首字母。
【机器学习】第9章 降维算法——PCA降维
最新发布
m0_69194031的博客
06-18 231
18. 对于n维特征变量中的每个子变量，主成分分析使用样本集合中对应子变量上取值的方差来表示该特征的重要程度。如上面的例子中，样本集合中的数据在旋转过后的新的y轴上的方差接近于0，几乎不携带任何信息量，故可将其省去，达到降维的目的。（所谓找方差最大的方向，就是找长度，面积最大的那条线或者面，因为方差就是离散程度，就是分散程度）（3）既能够代表原始特征的绝大数信息，组合后的特征又互不相关，降低相关性。（3）方差越大，特征的重要程度越大；方差越小，特征的重要程度越小。方差越小，特征的重要程度越小。
【机器学习】 第1章 概述
m0_69194031的博客
06-18 545
19. 聚类的目的是对样本集合进行自动分类，以发掘数据中隐藏的信息、结构，从而发现可能的商业价值。8.聚类（Clustering）：对无标签样本的相似度进行度量，挖掘特征、结构、内在性质，使类内相似度大，类间相似度小。9.输出结果（预测值）与其对应的真实值之间往往会存在一定的差异，这种差异被称为模型的输出误差，简称为误差。5.特征向量（Feature Vector）：每个样本的特征 对应的特征空间中的一个坐标向量。1.构建一个完整的机器学习算法需要三个方面的要素，分别是数据、模型和（D ）。
机器学习实战 基于scikit-learn pdf
12-24
《机器学习实战》基于scikit-learn是一本深入介绍机器学习技术并通过实际案例演示如何应用scikit-learn库的书籍。scikit-learn是一个功能强大的Python机器学习库，提供了丰富的工具和算法，能够帮助开发者快速构建和...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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