PCA的数学原理
PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理，帮助读者了解PCA的工作机制是什么
原创
2021-09-07 14:17:56
299阅读
原帖地址：http://blog.codinglabs.org/articles/pca-tutorial.html
PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有
转载
2021-09-08 14:37:48
125阅读
已知浮点范围为通过线性映射的方式，将其映射为该如何做呢？这有点像访射变换，访射变换的形式为：映
原创
2022-12-02 10:02:49
80阅读
GAN的数学推导前面我们讲了一下GAN的基本思想，最近看了一下GAN的论文，又恰好看到了李宏毅老师的课程，感觉里面的数学推导很有意思，所以准备写下来以备之后查阅。首先需要一点预备知识，KLdivergence，这是统计中的一个概念，是衡量两种概率分布的相似程度，其越小，表示两种概率分布越接近。对于离散的概率分布，定义如下对于连续的概率分布，定义如下根据我们之前讲的内容，我们要做的事情就如下图所示我
原创
2020-11-23 15:49:41
740阅读
PCA的数学原理PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的...
转载
2015-10-02 19:34:00
52阅读
# Python逻辑回归数学原理及代码示例
## 引言
逻辑回归是机器学习和数据分析中常用的二分类算法，它以线性回归为基础，使用sigmoid函数将线性回归的输出映射到0到1的概率范围内。本文将介绍逻辑回归的数学原理及其在Python中的实现，以帮助读者更好地理解和应用这一算法。
## 逻辑回归的数学原理
### 线性回归回顾
在介绍逻辑回归之前，我们先回顾一下线性回归的数学原理。线性回归通过
原创
2023-08-01 12:34:35
45阅读
摘要 EM算法主要分为两个步骤：E-step和M-step，主要应用在概率模型中。机器学习中，概率模型在进行参数估计时，我们主要应用的是最大似然估计，所以在对EM算法进行讨论时，是离不开最大似然估计的。EM算法主要是用来解决那些样本中存在隐变量的情况。E-step固定模型参数通过数学模型求解隐变量，M-step根据E-step求得的隐变量在通过
原创
精选
2017-01-18 12:04:24
10000+阅读
点赞
1评论
引言LSTM是RNN的变种，是为了解决RNN存在的长期依赖问题而专门设计出来
原创
2022-07-13 18:34:30
1748阅读
Liquidity Providers 的数学原理 最近半年多一直在币圈玩 DeFi，这半年来增加了好多十分神奇的玩法，这都要得益于 Uniswap 的创新。 看了这么多 Up 主的视频，讲的都云里雾里的，其实就是简单的几个公式，这篇文章从头推导了无偿损失的公式，来计算一
原创
2021-11-19 11:10:11
382阅读
## 机器学习Stacking数学原理及代码示例
机器学习中的Stacking是一种模型集成方法，通过将多个基础模型的预测结果作为输入，再训练一个元模型来获得更好的预测效果。在这篇文章中，我们将介绍Stacking的数学原理，并通过代码示例来演示如何实现。
### Stacking的数学原理
Stacking方法通常包括两个阶段：第一阶段是训练多个基础模型，第二阶段是使用这些基础模型的预测结
RSA算法是一种非对称密码算法，所谓非对称，就是指该算法需要一对密钥，使用其中一个加密，则需要用另一个才能解密。
RSA的算法涉及三个参数，n、e1、e2。
其中，n是两个大质数p、q的积，n的二进制表示时所占用的位数，就是所谓的密钥长度。
e1和e2是一对相关的值，e1可以任意取，但要求e1与(p-1)*(q-1)互质；再选择e2，要求(e2*e1)mod((p-1)*(q-1))=1。
原创
2013-01-13 12:14:55
4013阅读
说到决策树，大家肯定不陌生，因为其结构简单，学习成本低，且可解释性强，有着广泛的应用。 因此各类书籍、技术博客都有介绍，且深入浅出、图文并茂、生动形象。 鉴于已经有非常多带图的博客介绍决策树。这里就不上图了，主要以公式推导为主。 本文主要分三块内容来介绍决策树： 首先会简单回想下决策树的内容，因为这
转载
2018-02-01 20:07:00
157阅读
2评论
參考://blog.csdn.net/zouxy09/article/details/8537620 參考 ://.cnblogs.com/jerrylead 之前介绍了EM算法在混合高斯模型中的应用，如今让我们来看看问什么EM算法能够用于这类问题。 首先介绍一下Jensen
转载
2017-08-01 17:27:00
116阅读
2评论
线性判别分析（Linear Discriminant Analysis，LDA），也称线性判别法，是由Fisher于1936年提出。基本思想和原理：
转载
2022-12-02 09:32:12
762阅读
还是先道歉吧 都害怕了 不知道发不发这个有什么伤害能有什么利益 纯属自己学习啊 内容肯定是800年前的 多谢各位 非技术研究勿扰啊过去
一、线性代数基础知识1、逆序的定义： 逆序是一个与排列相关的概念。 由自然数1，2…，n组成的不重复的每一种有确定次序的排列，称为一个n级排列（简称为排列）；或者一般的，n个互不同元素排成一列称为“一个n级排列”。例如，1234和4312都是4级排列，而24315是一个5级排列。
原创
2022-07-26 07:51:30
474阅读
一、RNN是什么？ RNN全名循环神经网络，主要用于时间序列数据分析预测。与传统的ANN区别在于其将前一网络输出的部分信息保存并传递给后面的一层参与计算，使前后两个RNN模块建立关联。 | 传统ANN结构 | RNN节后结构 从上图我们可以看出RNN较ANN增加了一个权重W，现在我们来看看W是什么。循环神经网络的隐藏层的值s不仅仅取决于当前这次的输入x，还取决于上一次隐藏层的值s。权重矩阵 W就是
数学原理拆解+简单的现实案例，带你领略梯度下降的数学之美！
转载
2021-07-16 17:23:07
102阅读
