Я оставил последнюю статью с концепциями линейной алгебры, где мы рассмотрели векторные пространства, пространство строк, пространство столбцов, разложение собственных векторов, разложение по сингулярным значениям и другие концепции. Эта статья является продолжением самой последней статьи, здесь мы посмотрим на реальную реализацию линейной алгебры в истинном смысле этого слова. То, о чем мы все знаем и тоже используем, - анализ главного компонента для уменьшения размерности ...

В мире математики вы, должно быть, слышали термины собственное значение и собственный вектор. Какие они? И их вообще важно изучать? Прежде чем ответить на них, давайте посмотрим, что это такое и как другие люди использовали концепции собственного значения и собственного вектора. Перед этим проясните следующие понятия: матрица : матрица - это представление скалярного преобразования в n-мерном пространстве. скаляр : постоянное значение. вектор : это двухмерная линия,..

PCA: собственные векторы и собственные значения Когда вы работаете с данными, вы всегда будете сталкиваться с относительными особенностями. Эти последние являются переменными, которые мы принимаем во внимание при описании наших данных. А именно, если вы собираете данные о домах в Милане, типичными характеристиками могут быть расположение, размер, пол и так далее. Однако часто случается, что ваши данные предоставляются вам с множеством функций, иногда с сотнями из них… Но нужны ли..

Собственные векторы и собственные значения имеют множество важных приложений в различных областях информатики. Хорошо известными примерами являются геометрические преобразования 2D- и 3D-объектов, используемые в программном обеспечении для моделирования, или Eigenfaces для распознавания лиц, PCA (анализ главных компонентов) для уменьшения размерности в компьютерном зрении и машинном обучении в целом. В этой статье давайте обсудим, что такое собственные векторы и собственные значения и..