原创 線性代數學習筆記12

這裏第十三課-複習一AX = b 、矩陣的四個子空間、矩陣空間複習題 AX = b 、矩陣的四個子空間、矩陣空間 複習題 q:u、w、u是 R7維的向量,問 他們線性組合的空間維度可以是? 求解 0、1、2、3(注意當他們全爲

原创 《吳恩達機器學習》第五章筆記

這裏第五章:多變量線性迴歸多變量線性迴歸的定義對應的多元梯度下降特徵縮放學習率多項式的擴展正規方程求解正規方程中逆不存在時 多變量線性迴歸的定義 指每一樣樣本中,不只是有一個特徵量,而是多個 我們爲了保持通過另常數項對應的特質量

原创 《吳恩達機器學習》第六章筆記

這裏第六章:octave入門octave 的基本使用學會用向量化的思想 octave 的基本使用 基本操作命令 移動數據 計算數據 繪製數據 流程控制 主要是關於向量,矩陣的表達,基本的運算表達,索引,繪製等等,可以對比matla

原创 《吳恩達機器學習》第七章筆記

這裏第七章:Logistic 迴歸引言算法的定義決策邊界代價函數優化算法多類別分類 引言 分類問題,如 1、郵件是否是垃圾郵件 2、診斷是否患有某病 3、商務網站檢測用戶使用的信用卡是否異常 這些問題,都有一個特徵,就是最終的結果y∈

原创 《吳恩達機器學習》第二章筆記

這裏第二章-緒論:單變量線性迴歸引入線性模型 linear regression假設函數和代價函數作圖分析最小化的梯度下降法梯度下降法+單變量線性迴歸 引入線性模型 linear regression 以房價和房子大小的數據來引入線性

原创 《吳恩達機器學習》第一章筆記

這裏第一章-緒論:初識機器學習機器學習的應用機器學習定義、類型課程的目標監督學習1、迴歸2、分類無監督學習分析 機器學習的應用 我們可以利用計算機實現基礎的功能:例如計算A到B的最短路徑 但是 網頁搜索、垃圾郵件的過濾、圖片識別 等功

原创 《吳恩達機器學習》第三章筆記

這裏第三章-緒論:線性代數回顧矩陣向量矩陣加法、數乘矩陣乘法矩陣的逆 矩陣 [a11a12a13a14……a21a22a23a24……a31a32a33a34……a41a42a43a44…………]{ \left[ \begin{arr

原创 線性代數學習筆記27

這裏第二十九課-相似矩陣和若爾當形相似矩陣定義不是相似矩陣的例子若爾當形 相似矩陣定義 針對兩個n×nn\times nn×n的矩陣A,B,滿足 B=M−AMB = M^-AMB=M−AM 即說明A,B是相似的 對比之前的 矩陣對角化

原创 線性代數學習筆記29

這裏第三十一、二課-線性變換及對應矩陣、基變換和圖像壓縮線性變換基變換和圖像壓縮 線性變換 我們之前學習了零空間、行空間、行列式、特徵值,都是源於對於矩陣的瞭解,但是矩陣只是在給定座標下對線性變換的描述,所以線性代數是核心 變換我們有

原创 線性代數學習筆記28

這裏第三十課-奇異值分解引言奇異值分解 引言 如果矩陣A 擁有n個線性無關的特徵向量,則有A=S對角矩陣S−1A=S對角矩陣S^{-1}A=S對角矩陣S−1但是由於S−1S^{-1}S−1的運算比較麻煩。考慮到在對稱矩陣的特徵向量是互

原创 線性代數學習筆記24

這裏第二十六課-對稱矩陣及正定性引言對稱矩陣正定矩陣引言 引言 分析方陣,特徵值和特徵向量是兩個很重要的部分,例如馬爾可夫矩陣矩陣就是具備特徵值有一個爲1的特點,其他的絕對值小於1。對於對稱矩陣也具備一些十分特殊的性質 對稱矩陣 對於

原创 線性代數學習筆記23

這裏第二十五課-複習二正交投影正交基求解行列式特徵值,特徵向量 正交 正交,正交矩陣的相關性質,有QTQ=IQ^TQ =IQTQ=I 投影 投影到線,投影到面,統一公式爲P=A(ATA)−ATP = A(A^TA)^-A^TP=A(

原创 線性代數學習筆記25

這裏第二十七課-複數矩陣和快速傅里葉變換複數矩陣傅立葉矩陣 複數矩陣 複數矩陣是指矩陣的元素在複數範圍內,屬於CnC^nCn範圍內: 複數向量的模長 length2=QˉTQlength^2 = \bar Q^T Qlength2

原创 線性代數學習筆記26

這裏第二十八課-正定矩陣和最小值引言正定矩陣$X^TAX的極小值$與微分方程的關係 引言 注意:主元、行列式、特徵值、不穩定性是相關聯的 正定矩陣 正定矩陣是滿足 1、對稱矩陣 2、特徵值全爲正或者所有子行列式大於0或者所有主元大於0

原创 線性代數學習筆記17

這裏第十九課-行列式公式和代數餘子式行列式公式的推導代數餘子式行列式 的 第三種求解方法 行列式公式的推導 可以根絕行列式三個基本性質來推導行列式大公式。 如果是2 * 2 ∣abcd∣=∣a0cd∣+∣0bcd∣ \begin{v