摘要：
三、特征值和特征向量的应用实例 1、主成分分析（Principle Component Analysis, PCA） （1）方差、协方差、相关系数、协方差矩阵 方差： 协方差： , , **方差是衡量单变量的离散程度，协方差是衡量两个变量的相关程度（亲疏），协方差越大表明两个变量越相似（亲密），协方 阅读全文
posted @ 2019-08-31 23:36
const_wss
阅读(1229)
评论(0)
推荐(0)
摘要：
转自：https://blog.csdn.net/ccnt_2012/article/details/84784311 转自：https://blog.csdn.net/ccnt_2012/article/details/84784311 转自：https://blog.csdn.net/ccnt_ 阅读全文
posted @ 2019-08-31 22:23
const_wss
阅读(2637)
评论(0)
推荐(0)
摘要：
二阶偏导数矩阵也就所谓的赫氏矩阵(Hessian matrix). 一元函数就是二阶导，多元函数就是二阶偏导组成的矩阵. 求向量函数最小值时用的，矩阵正定是最小值存在的充分条件。 经济学中常常遇到求最优的问题，目标函数是多元非线性函数的极值问题尚无一般的求解方法，但判定局部极小值的方法是有的，就是用 阅读全文
posted @ 2019-08-31 19:47
const_wss
阅读(3000)
评论(0)
推荐(0)
摘要：
而矩阵的行列式的值的几何意义：是矩阵对应的线性变换前后的面积比。 概念：在向量分析中, 雅可比矩阵是一阶偏导数以一定方式排列成的矩阵, 其行列式称为雅可比行列式 雅可比矩阵的重要性在于它体现了一个可微方程与给出点的最优线性逼近. 因此, 雅可比矩阵类似于多元函数的导数. 总结一下，雅可比矩阵可以理解 阅读全文
posted @ 2019-08-31 19:26
const_wss
阅读(14397)
评论(0)
推荐(1)
浙公网安备 33010602011771号