档案 | 线性代数

机器学习的最新进展使得人脸识别不再是一个难题。但在此之前，研究人员进行了各种尝试并开发了多种技术，以使计算机能够识别人类。早期取得中等成功的尝试之一是特征脸（eigenface），它基于线性代数技术。在本教程中，我们将 […]

奇异值分解是一种非常流行的线性代数技术，用于将一个矩阵分解为几个较小矩阵的乘积。实际上，这项技术用途广泛。一个例子是我们可以使用SVD来发现项目之间的关系。基于此可以轻松构建一个推荐系统。[…]

向量空间模型用于研究由向量表示的数据之间的关系。它在信息检索系统中很受欢迎，但也可用于其他目的。通常，这使我们能够从几何角度比较两个向量的相似性。在本教程中，我们将了解什么是向量空间模型 […]

主成分分析（PCA）是一种无监督的机器学习技术。PCA最常见的用途也许是降维。除了将PCA用作数据预处理技术外，我们还可以用它来帮助可视化数据。一图胜千言。通过数据可视化，我们更容易 […]

NumPy数组提供了一种在Python中快速高效存储和操作数据的方法。它们在机器学习中特别适用于表示向量和矩阵。NumPy数组中的数据可以通过列和行索引直接访问，这相当直接。然而，有时我们必须对数组执行操作 […]

Argmax是您在应用机器学习中可能会遇到的一个数学函数。例如，您可能会在研究论文中看到使用“argmax”或“arg max”来描述一个算法。您也可能被要求在算法实现中使用argmax函数。这可能是您第一次遇到 […]

在阅读机器学习方法的描述时，你无法避免数学符号。通常，方程中的一个术语或一个符号片段就足以完全打乱你对整个过程的理解。这可能非常令人沮丧，特别是对于来自开发领域的机器学习初学者而言。你可以 […]

机器学习线性代数速成班。在7天内掌握机器学习中使用的线性代数。线性代数是一个数学领域，被公认为是更深入理解机器学习的先决条件。虽然线性代数是一个庞大的领域，有许多深奥的理论和 […]

数值线性代数关注在计算机上用真实数据实现和执行矩阵运算的实际问题。这是一个需要一些线性代数经验的领域，并且既关注运算的性能也关注其精度。fast.ai公司发布了一门名为“计算线性代数”的免费课程 […]

线性代数是应用数学的一个领域，是阅读和理解深度学习方法（如论文和教科书中的正式描述）的先决条件。通常，对线性代数（或其部分内容）的理解被视为机器学习的先决条件。尽管这个数学领域很重要，但很少被涵盖 […]