这套笔记是跟着七月算法四月机器学习班的学习而记录的,主要记一下我再学习机器学习的时候一些概念比较模糊的地方,具体课程参考七月算法官网:

http://www.julyedu.com/

矩阵分析与应用

主要介绍的内容有:如图

首先,来看两个示例:


概念1. 行视图--凸优化中的超平面

对于式(1),写成方程组的形式就是:

在行视图中,它的解表示为两条直线的交点;

对于式(2),其行视图表示为:

每一个方程表示三维空间中的一个平面,则方程的解为三个平面的交点。

概念2:列视图-- 矩阵列的线性组合

对于式(1),其列视图表示为

每列参数表示一个向量,x,y即为满足等式右边的条件下,两个向量的伸缩倍数,如图:

则(2)式可以表示为:

线性相关的线性无关:

给一个比较直观的例子

从行视图和列视图看线性相关:

如式(1),对于行视图,若线性性相关,则两条直线平行。对于列视图,若线性相关,则两个向量共线。

从行视图和列视图看线性无关:

如式(1),行视图不平行,列视图不共线。

概念:

简单来说,就是在一组向量集中,其中一个向量能被其他向量通过线性组合表示出来。这个向量实际上是多余的。

概念3: 子空间

所有列的线性组合构成了一个span,也就是这组向量的子空间,

基可以理解为子空间的最大无关组

四个基本的子空间:

列空间:

举例来说:

矩阵A的所有列构成的子空间的所有线性组合张成一个如上图所示的平面。

子空间包含0点(向量),因为x1,x2可以为0

零空间:这里注意,零空间是列的子空间

n = 4;

Ax = 0的解是S1,S2任意的线性组合。

在上例中,列的线性组合构成了R2的子空间,N(A)构成了R4的子空间

行空间:

左零空间:

四种空间之间的关系:

解释下这个图,矩阵A的规模为mxn, m,为矩阵的行,n为列,r为矩阵的秩,因此,

右上图:为A的列空间,它是Rm的一个子空间,因为每列的长度为m,其维数为最大的线性无关的向量的个数,即r, 所有列的线性组合构成列的子空间

右下图:为A的左零空间, 左零空间也是Rm的子空间,它是和A的列的子空间相垂直的向量构成的子空间。与列空间构成正交补(交点为0点且只有0点)。

左下图:为A的零空间,它是Rn的子空间

左上图:A的行空间,是与A的零空间垂直的空间且行空间的向量与A的零空间构成正交补。

A的列空间与行空间的秩相同,即,矩阵的行秩等于列秩。

注意:

张成的空间是相同的,在右边都对应到b上,右上边的框就是A张成的子空间(从列视图的角度理解)。左零空间与b所在的空间垂直,交点处为

利用子空间重新看待线性方程组的解:

Ax = A(p + v) ;  Ap = b, Av = 0 , v是N(A)中的向量

特征值与特征方程:

特征分解的性质:

对称矩阵的特征分解:

二次型:

特征值大于0,为正定矩阵

特征分解的应用--PCA

SVD分解:特征分解的广义化

SVD和子空间的关系

U1为A的列空间的正交基

低秩矩阵近似(降维)

低秩矩阵近似应用—图像压缩

参考资料:

七月算法:机器学习四月班:http://www.julyedu.com/

图片来自于课程PPT

七月算法机器学习笔记2--机器学习中的数学之矩阵分析与应用相关推荐

  1. 数据结构与算法-java笔记一 更新中

    数据结构与算法-java笔记一 更新中 数据结构与算法 什么是数据结构.算法 数据结构学了有什么用: 线性结构 数组 特点 应用 链表 存储结构 链表类型 单链表 双向链表 双向循环链表 链表与数组的 ...

  2. 机器学习笔记-神经网络的原理、数学、代码与手写数字识别

    机器学习笔记-神经网络 作者:星河滚烫兮 文章目录 前言 一.神经网络的灵感 二.基本原理 1.神经网络最小单元--神经元 2.神经网络层结构 3.正向传播 4.反向传播 5.梯度下降 三.数学理论推 ...

  3. 机器学习笔记(机器学习很难么???那必然难啊!!!)

    机器学习 第一章数据挖掘 数据挖掘概念 数据挖掘的模式类型 第二章机器学习 1 机器学习分类 2 机器学习中的一些概念 训练样本 训练 分类模型 验证 第三章无监督学习 聚类 K-means聚类算法 ...

  4. 机器学习与深度学习中的数学知识点汇总

    点击上方"AI算法与图像处理",选择加"星标"或"置顶" 重磅干货,每天 8:25 送达 来源:SIGAI 在机器学习与深度学习中需要大量使 ...

  5. 吴恩达机器学习笔记-应用机器学习的建议

    评估假设 我们之前已经学习过一些机器学习的算法,现在我们来谈谈如何评估算法学习得到的假设.当发现预测的结果和实际的数据有误差的时候,我们需要进行一些调整来保证预测的准确性,大部分情况下,有以下几种办法 ...

  6. [云炬python3玩转机器学习笔记] 2-2机器学习主要任务

    机器学习(监督学习)的主要任务 一.分类:将给定的数据进行分类- 二分类任务:二选一的方式,yes/no- 多分类任务:结果不仅仅在两个结果中,而是很多结果,获得的结果很明确- 数字识别- 图像识别- ...

  7. andrew ng 机器学习笔记_机器学习笔记

    第一节 机器学习定义 对于一个计算机程序来说,给它一个任务T和一个性能测量方法P,如果在经验E的影响下,P对T的测量结果得到了改进,那么就说程序从E中学习. 监督学习 回归问题 房价的预测 分类问题 ...

  8. [吴恩达机器学习笔记]11机器学习系统设计3-4/查全率/查准率/F1分数

    11. 机器学习系统的设计 觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 11.3 偏斜类的误差度量 Error Metr ...

  9. [云炬python3玩转机器学习笔记] 2-1机器学习基础概念

    机器学习基础概念 一.关于数据 本文约定: 大写表示矩阵 小写表示向量 上标代表第几个样本 下标代表第几个特征 一般向量都表示为列向量 特征空间:每个维度都可以表示一个特征,形成一个空间(2D,3D, ...

  10. [云炬python3玩转机器学习笔记] 2-5机器学习相关的哲学思考

    2-5机器学习相关的哲学思考

最新文章

  1. ssm 异常捕获 统一处理_SSM 统一异常处理
  2. squid在企业网中的应用
  3. Apache的压缩与缓存-----网页优化
  4. 浅谈Java中的Set、List、Map的区别
  5. 关于python中多态的理解。
  6. jdbc连接mysql视频_jdbc连接mysql数据库视频
  7. 使用Java的Selenium:Google搜索
  8. ElasticSearch配置说明
  9. linux 多线程基础3
  10. 暴力 ZOJ 1403 Safecracker
  11. 里签名boot有什么用_为什么大家都用苹果企业签名呢?
  12. 软件测试过程中主要涉及的文档及其内容
  13. ar5b97无线网卡驱动linux 版下载,atheros ar5b97驱动
  14. Chrome键盘快捷键
  15. php eclipse aptana,eclipse 下如何安装 Aptana插件
  16. 这样设计积分兑换系统,让你的用户“活”起来
  17. XiaomiRouter自学之路(02-软硬件环境搭建)
  18. 互联网金融常见的一些业务
  19. 云原生-备份(原文地址:https://www.infoq.cn/article/fA42rfjV*dYGAvRANFqE)
  20. 可汗学院金融学(一)

热门文章

  1. 最优化方法——梯度下降法、牛顿法、LM算法
  2. 生产质量分析报告常用模板汇总,质量人必备!
  3. 国内docker镜像网站
  4. 交互设计精髓pdf百度云_About Face 4:交互设计精髓 (Alan cooper艾伦·库伯等) 中文pdf扫描版[139MB]...
  5. Windows远程桌面开发之九-虚拟显示器(Windows 10 Indirect Display 虚拟显示器驱动开发)
  6. excel删除行闪退_Excel中出现表格打开闪退的处理方法
  7. 本科毕设研究记录(一)————小样本综述
  8. 极光笔记 | 极光clickhouse千亿级数据分析实践之路
  9. 论文准备:基于区块链的一些设计IIoT的最新动向调查【已公开发表】
  10. PMO结项审计管理规范指南