weixin_42521167的博客

机器学习中线性代数是很重要的基础内容，很多工作多年的码农把数学忘得一干二净了，为了学习机器学习又重新捡起来，本系列文章重点对机器学习中的线性代数做个简单的归纳总结，使学习起来有针对性。

矩阵的对角化、SVD分解及应用矩阵的对角化、SVD分解及应用矩阵运算的总结矩阵对角化SVD分解张量(tensor)转置(transpose)矩阵的对角化、SVD分解及应用许多数学对象可以通过将它们分解成多个组成部分或者找到它们的一些属性而更好地理解，这些属性是通用的，而不是由我们选择表示它们的方式产生的。例如，整数可以分解为质因数。我们可以用十进制或二进制等不同方式表示整数 12，但是 12...

线性代数笔记：逆矩阵及伪逆矩阵，最小二乘估计，最小范数估计

PCA算法推导PCA原理概述样本中心化最小重构误差公式推导PCA原理概述PCA是主成分分析(Principal Components Analysis)的简称。这是一种数据降维技术，用于数据预处理。一般我们获取的原始数据维度都很高，那么我们可以运用PCA算法降低特征维度。这样不仅可以去除无用的噪声，还能减少很大的计算量。PCA和SVD类似，仍然是一种数据压缩的算法。找到诸如AA′AA^\p...