Публикации по теме 'linear-algebra'


Собственные векторы и собственные значения.
Эта статья служит кратким введением в две важные концепции машинного обучения: собственные векторы и собственные значения. Eigen-Things Слово Eigen происходит от немецкого и может быть примерно переведено как характеристический , поэтому, говоря о задаче на собственные значения, мы говорим о поиске характерных свойств чего-либо. Собственные векторы: Собственный вектор — это просто ненулевой вектор, в котором при применении линейного преобразования он изменится только на скалярный..
Математика для машинного обучения: линейная алгебра — пятая неделя
Последняя неделя этого курса завершена. Это была веселая и захватывающая поездка. Я чувствую, что мое понимание линейной алгебры, связанной с наукой о данных и машинным обучением, значительно улучшилось. Пятая неделя посвящена объединению всех знаний, полученных в ходе курса, в один заключительный проект. Узнаем о собственных значениях и собственных векторах . Затем мы используем эти собственные значения и собственные векторы для реализации Алгоритма PageRank Google . Проект..
LINAG — Преобразование между измерениями
Неквадратные матрицы как преобразования между измерениями — 3Blue1Brown Неквадратные матрицы К настоящему времени мы знаем, что матрица 2 x 2 в координатной плоскости xy действует как линейное преобразование, регулируя положение приземления базисных векторов i-hat и j-hat. Каждое число указывает положение i-hat и j-hat. Но как нам интерпретировать такие матрицы, как матрица 3 x 2? Как матрица 3 x 2 преобразует систему? Основной процесс тот же. Нам просто нужно переместить i-hat..
5 способов взглянуть на умножение матриц
Здравствуйте, я объясню 5 интерпретаций матричного умножения, которые необходимо знать для машинного обучения и науки о данных. Напоминание о матричных обозначениях: Мы рассматриваем следующий общий случай для всех 5 частей. Первый способ — это определение умножения матриц. Каждый элемент матрицы C является скалярным произведением соответствующей строки матрицы A и соответствующего столбца матрицы B. Напоминание о точечном произведении: Отныне все последующие..
Освоение линейной алгебры с помощью Python: подробное руководство по векторам и их приложениям
Векторы являются фундаментальными строительными блоками различных алгоритмов машинного обучения. Освоение линейной алгебры с помощью Python: подробное руководство по векторам и их приложениям Векторы являются фундаментальными строительными блоками линейной алгебры и играют решающую роль в различных алгоритмах машинного обучения. Этот всеобъемлющий учебник призван дать вам полное представление о векторах, включая их определение, функции, интерпретацию и реализацию в Python. Вы освоите..
Более функциональный: история рефакторинга 2d векторной библиотеки
Эта статья о том, как я переписал свою библиотеку vec-la в стиле функционального программирования. vec-la - это небольшая 2-мерная библиотека линейной алгебры , которая моделирует векторы и матрицы как простые массивы javascript . Эта статья не о математике и линейной алгебре - вам не нужно много знать, чтобы извлечь из этого пользу. Ускоренный курс: что такое вектор? Если вы не знаете, вектор - это, по сути, упорядоченный набор чисел. 2D вектор - это просто..
Атака на модели машинного обучения: метод быстрого знака градиента.
«Противники» буквально означают оппонента в соревновании, в случае моделей машинного обучения зашумленные данные часто могут действовать как этот противник. Давайте попробуем понять злоумышленников, используя простой пример модели логистической регрессии. Мы будем использовать sklearn.datasets для создания фиктивных данных и PyTorch для построения нашей модели логистической регрессии. # Importing nessecary libraries import torch import random, os from torch import nn import numpy as np..