热门标签
热门文章
- 1Docker打包Python项目_docker打包自己的python_python项目使用docker打包
- 2OAuth2.0第三方微信登录_微信auth2.0
- 3利用深度学习进行时间序列预测_深度学习时间序列预测
- 4idea如何集成版本管理（svn）_svn idea 代码灰色加入版本控制
- 5redis数据迁移的方法_redis 数据迁移到 ctgcache
- 6第一次使用GitHub_第一次使用gihup
- 7android高低温报警
- 8Python网络爬虫过程中，构建网络请求的时候，参数`stream=True`的使用
- 9机器学习_深度学习毕设题目汇总——数据分析_数据挖掘_机器学习论文题目
- 10计网期末复习指南（六）：应用层（DNS、FTP、URL、HTTP、SMTP、POP3）_网页设计期末复习
当前位置: article > 正文
机器学习中的线性代数_机器学习线性代数
作者：爱喝兽奶帝天荒 | 2024-06-27 15:02:37
赞
踩
机器学习线性代数
基础知识的的复习：
矩阵分解
-
特征值分解。
-
PCA(Principal Component Analysis)分解，作用：降维、压缩。
-
SVD(Singular Value Decomposition)分解，也叫奇异值分解。
矩阵分解的主要应用是：降维、聚类分析、数据预处理、低维度特征学习、特征学习、推荐系统、大数据分析等。
特征值分解
如果一个向量v是矩阵A的特征向量，将一定可以表示成下面的形式：
其中，λ是特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。
对于矩阵A，有一组特征向量v，将这组向量进行正交化单位化，就能得到一组正交单位向量。特征值分解，就是将矩阵A分解为如下式：
推荐阅读
相关标签
