摘要：
K-Means 是一种无监督学习算法，用于将数据划分为 KKK 个簇（Clusters），使得每个簇中的样本尽可能接近其簇中心，簇之间尽可能远离。K-Means 常用于聚类分析，例如客户分群、图像分割等任务。 阅读全文
posted @ 2024-11-19 21:57
z_s_s
阅读(61)
评论(0)
推荐(0)
摘要：
决策树是一种用于分类和回归的非参数模型，能够通过一系列的条件判断（分裂规则）将输入数据划分为子区域，从而完成预测任务。 1. 决策树的基本结构 决策树由以下三部分组成： 根节点（Root Node）： 表示整个数据集，最初没有任何划分。 内部节点（Internal Node）： 表示一个特定的特征测 阅读全文
posted @ 2024-11-19 21:47
z_s_s
阅读(621)
评论(0)
推荐(0)
摘要：
梯度（Gradient） 是多变量函数中表示变化率和方向的一个基本概念，在优化问题和深度学习中非常重要。它描述了函数在某一点的变化趋势，指向该点函数值增长最快的方向。 梯度和导数的关系 梯度和导数的应用场景 梯度与导数的区别 特性导数梯度 适用范围 一元函数 多元函数 表示形式 标量（一个值） 向量 阅读全文
posted @ 2024-11-19 17:50
z_s_s
阅读(555)
评论(0)
推荐(0)
摘要：
逻辑回归是一种广泛应用的分类模型，尽管名字中有“回归”一词，但它主要用于解决分类问题。逻辑回归模型的核心思想是通过使用一个逻辑函数（Sigmoid 函数）将线性回归的输出映射到概率值 [0,1]，从而完成分类任务。 有个叫交叉熵损失函数实际上是负对数似然函数（Negative Log-Likelih 阅读全文
posted @ 2024-11-18 19:43
z_s_s
阅读(115)
评论(0)
推荐(0)
摘要：
线性相关（Linearly Dependent） 和 线性无关（Linearly Independent） 是线性代数中描述向量组关系的概念，用于判断向量组是否可以通过线性组合生成其他向量，以及它们是否包含冗余信息。 阅读全文
posted @ 2024-11-18 18:42
z_s_s
阅读(142)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2024-11-18 18:35
z_s_s
阅读(45)
评论(0)
推荐(0)
摘要：
行列式（Determinant） 是线性代数中的一个重要概念，用于描述方阵的一些性质。行列式是一个标量，计算方法和矩阵的大小有关。 不使用代数余子式的定义 人工智能之机器学习线代基础——为何行列式和可逆有关？ 不使用代数余子式的定义的三阶计算案例 矩阵的 逆（inverse） 伴随矩阵 阅读全文
posted @ 2024-11-18 18:13
z_s_s
阅读(98)
评论(0)
推荐(0)
摘要：
齐次（Homogeneous） 和 非齐次（Non-Homogeneous） 是描述线性方程组或线性系统的一种分类。它们的主要区别在于方程组的常数项是否为零。 这里的 x1是未知数之一。我们没有直接求 x1 的具体值，而是通过表达式间接表示它。这是因为线性方程组中有自由变量（x2 和 x3），所以 阅读全文
posted @ 2024-11-18 16:35
z_s_s
阅读(396)
评论(0)
推荐(0)
摘要：
范数（Norm） 是数学中的一个概念，用于度量向量、矩阵或张量的大小或长度。范数是向量空间上的一种函数，能够将向量映射为非负实数，表示向量的某种“长度”或“大小”。 阅读全文
posted @ 2024-11-18 15:39
z_s_s
阅读(115)
评论(0)
推荐(0)
摘要：
在正规方程法中，我们需要在特征矩阵 X 中添加一列常数值为 1 的列，这样的设计是为了表示截距项（β0）。这一列 1 的作用是让截距项能够参与矩阵运算。 阅读全文
posted @ 2024-11-17 20:05
z_s_s
阅读(35)
评论(0)
推荐(0)
浙公网安备 33010602011771号