ML/DL-复习笔记【一】- 数学基础(线性代数、概率论、数值分析)
本节为ML/DL-复习笔记【一】数学基础(线性代数、概率论、数值分析),主要内容包括:矩阵特征向量的求解、主成分分析、奇异值分解、线性方程组的解法、Moore_Penrose伪逆、概率计算公式、随机变量的常见分布类型。
1. 主成分分析和奇异值分解
线性代数【七】特征值、特征向量 https://blog.csdn.net/kevin_zhao_zl/article/details/106427712
机器学习课程笔记【十二】- 主成分分析 https://blog.csdn.net/kevin_zhao_zl/article/details/105820009
2. Moore_Penrose伪逆
线性代数【六】:解线性方程组 https://blog.csdn.net/kevin_zhao_zl/article/details/106390322
求解线性方程组时,若系数矩阵的行数大于列数,那么方程可能无解,若系数矩阵行数小于列数,方程可能有多个解。
Moore-Penrose伪逆正是为处理这个问题,矩阵AAA的伪逆的形式化定义如下:
A+=limα→0(ATA+αI)−1ATA^+=lim_{\alpha \rightarrow 0}(A^TA+\alpha I)^{-1}A^T A+=limα→0(ATA+αI)−1AT
但实际计算中,一般取:
A+=VD+UTA^+=VD^+U^T A+=VD+UT
其中,矩阵U,D,VU,D,VU,D,V是矩阵AAA进行奇异值分解之后得到的矩阵。对角矩阵DDD的伪逆D+D^+D+是其非零元素取倒数之后再转置得到的。
这样,当系数矩阵AAA的列数多于行数时,使用伪逆求解线性方程是众多可能解法中的一种,且x=A+yx=A^+yx=A+y是方程所有可行解中欧几里得范数∣∣x∣∣2||x||_2∣∣x∣∣2最小的一个;当系数矩阵AAA的行数多于列数时,可能没有解,这时通过伪逆得到的x使得AxAxAx和yyy的欧几里得距离∣∣Ax−y∣∣2||Ax-y||_2∣∣Ax−y∣∣2最小。
3. 求概率公式以及常见随机变量的分布
随机事件与概率(2) - 常用求概率公式
一维随机变量及其分布
4. 病态条件
数值分析(1)-绪论:误差 https://blog.csdn.net/kevin_zhao_zl/article/details/90399855
欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据、AI等相关的学习资源、经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论、线性代数等高等数学知识的回顾]
ML/DL-复习笔记【一】- 数学基础(线性代数、概率论、数值分析)相关推荐
- 【线性代数复习笔记】同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性
[线性代数复习笔记]同济大学版第三章和第四章 矩阵的初等变换与线性方程组与向量组的线性相关性 1.矩阵的初等变换 矩阵的三种初等变换及性质 行阶梯形矩阵 矩阵的初等变换的性质 2.矩阵的秩 矩阵的秩的 ...
- 《概率论与数理统计》复习笔记
最近整理了一下期末复习笔记,我们用的教材是人民邮电出版社慕课版的,希望可以帮助到一些需要的小伙伴!(开摆了,已经不想整理了/(ㄒoㄒ)/~~) 目录 第一章 随机事件与概率 第二章 随机变量及其分布 ...
- python/ML/DL学习目录
第一部分:python语法学习 . /*******环境搭建************/ 1. Anaconda安装 2. Anaconda的使用 3. Spyder的使用中遇到的问题 4. Jupyt ...
- 【李宏毅2020 ML/DL】P58 Unsupervised Learning - Neighbor Embedding | LLE, t-SNE
我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐):https://github.com/Sakura-gh/ML-note ...
- 高等数学复习笔记(五)-一元函数积分的计算
本节为高等数学复习笔记的第五部分,一元函数积分的计算,主要包括: 四大积分基本法即凑微分法.换元法(第一类和第二类).分部积分法以及有理函数积分法. 1. 凑微分法 1.1 基本导数公式(反过来用) ...
- 高等数学复习笔记(汇总)
高等数学复习笔记(汇总) 欢迎扫描二维码关注微信公众号 深度学习与数学 [每天获取免费的大数据.AI等相关的学习资源.经典和最新的深度学习相关的论文研读,算法和其他互联网技能的学习,概率论.线性代 ...
- 【李宏毅2020 ML/DL】P86-87 More about Domain Adaptation
我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 本节内容综述 本节课由助教 Chao Brian 讲解. 首先讲解些领域适配的基础内容,包括名词.定义等. 接 ...
- 【李宏毅2020 ML/DL】P59 Unsupervised Learning - Auto-encoder
我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐):https://github.com/Sakura-gh/ML-note ...
- 【李宏毅2020 ML/DL】P15 Why Deep-
我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐): https://github.com/Sakura-gh/ML-not ...
- 【李宏毅2020 ML/DL】P14 Tips for training DNN | 激活函数、Maxout、正则、剪枝 Dropout
我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐): https://github.com/Sakura-gh/ML-not ...
最新文章
- 确定浏览器是否支持某些DOM模块
- sama5d3 环境检测 gpio--yk测试
- Hibernate学习笔记(一)
- ubuntu修改用户名、计算机名、主目录名
- python十条建议_十条建议帮你提高Python编程效率
- 老题新理解-在话winform之间的窗体传值
- Linux SVN 服务器配置以及客户端使用
- jquery尺寸:宽度与高度
- 【面试】一些NLP的面试问题
- 用VS2015编译pjsip的工程pjproject-vs14
- 数字万用表常用软件分享:数字万用表自动计量软件数字万用表上位机软件
- mysql 生日_MySQL数据库之MySql查询生日的两种方式
- 电商型网站要怎么制作?把住这三个关键点
- fireworks html制作,fireworks怎么制作网页
- 第二章 02 天牛质感
- win10下用VMware workstation pro安装Ubuntu 16.04图解
- 【论文简述及翻译】Learning for Disparity Estimation through Feature Constancy(CVPR 2018)
- 定时任务的corn表达式
- synergy服务器未响应,请问synergy启动不了怎么回事???
- [暑假]解决:开发分支拉错问题,比如我们在master修改成feature