文章
2976
标签
100
分类
63
首页
时间轴
标签
分类
知识库
关于
友链
Estom的博客
附录1
返回首页
搜索
首页
时间轴
标签
分类
知识库
关于
友链
附录1
发表于
2020-09-29
|
更新于
2020-09-29
|
线性代数
|
总字数:
9
|
阅读时长:
1分钟
|
浏览量:
线性代数的本质理解
文章作者:
Estom
文章链接:
https://estom.github.io/2020/09/28/%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0/%E9%99%84%E5%BD%951/
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Estom的博客
!
上一篇
20随机数
使用numpy产生随机数numpy中的random模块包含了很多方法可以用来产生随机数,这篇文章将对random中的一些常用方法做一个总结。 1、numpy.random.rand(d0, d1, …, dn) 作用:产生一个给定形状的数组(其实应该是ndarray对象或者是一个单值),数组中的值服从[0, 1)之间的均匀分布。 参数:d0, d, …, dn : int,可选。如果没有参数则返回一个float型的随机数,该随机数服从[0, 1)之间的均匀分布。 返回值:ndarray对象或者一个float型的值例子: 123456789101112# [0, 1)之间均匀分布的随机数,3行2列a = np.random.rand(3, 2)print(a)# 不提供形状b = np.random.rand()print(b)输出:[[0.26054323 0.28184468] [0.7783674 0.71733674] [0.90302256 0.49303252]]0.6022098740124009 2、numpy.random.uniform(low=0...
下一篇
01机器学习基础
机器学习分类 有监督的学习:给出了正确答案 回归问题:预测连续的数值输出。(输出是连续的,一条曲线) 分类问题:预测离散的值输出。(输出局限于几个类别,有界离散的输出) 影响分类问题的可能有多个特征多个属性 无监督的学习:只给出了数据集,没给出数据的特征和属性,也没给用这些数据来做什么,没给出数据的正确答案。目的是发现数据的内部结构。 聚类问题:将相同主体的新闻聚集到一块。社交网络划分为不同的圈子。结果不是事先给出的,通过机器学习,发现数据的内部结构。 典型问题 房屋面积-房屋价格:回归问题 肿瘤大小、肿瘤年龄-肿瘤良性、肿瘤恶性:分类问题 谷歌新闻-相同主题:聚类问题。 用事件发生的频率 作为 事件发生的概率。本质上是一种机器学习。通过计算在此大小、年龄下恶性的概率,可以得到某些年龄段的的概率分布。与概率一一对应。 但机器学习,是不需要直接计算概率的。 涉及到的数学知识 线性代数:矩阵/张量乘法、求逆,奇异值分解/特征值分解,行列式,范数等 统计与概率:概率分布,独立性与贝叶斯,最大似然(MLE)和最大后验估计(MAP)等 信息论:基尼系数,熵(En...
Estom
也许那年在绿色的麦浪中奔跑的时候,就注定了我此生的繁华与悲叹
文章
2976
标签
100
分类
63
关注
公告
欢迎参观Estom的小屋
目录
1.
线性代数的本质理解
最新文章
自引用泛型概述
2025-12-21
02 集合底层结构
2025-12-18
11 Arrays和Collections
2025-12-18
06 JUC并发容器
2025-12-18
30 问题排查和性能优化指南
2025-09-14
搜索
数据加载中