目录 范数的意义范数的数学意义范数之于深度学习的意义 L1 范数与 L2 范数L1 范数L2 范数 小结 本节博文是线性代数第二部分，主要内容为 L 1 L1 L1 范数与 L 2 L2 L2 范数；有关线性代数基础知识，请访问：【深度学习】S2 数学基础 P1 线性代数（上） 范数的意义 范数的数学意义 在数学的框架内，范数是一个基本的概念，它为向量空间提供了一个度量方法，使得可以比较向量的大小，...

考点剖析         线性表是算法题命题的重点，该类题目实现相对容易且代码量不高，但需要最优的性能（也就是其时间复杂度以及空间复杂度最优），这样才可以获得满分。所以在考研复习中，我们需要掌握线性表的基本操作，在平时多进行代码练习。当然在考场上，我们并不一定要求代码具有实际的可执行性，但我们需要去清晰的表达出算法的思路步骤，且算法题目只允许使用 C/C++ 语言进行实现。 线性表知识点       ...

目录 基本数学对象标量与变量向量矩阵张量降维求和非降维求和累计求和 点积与向量积点积矩阵-向量积矩阵-矩阵乘法 深度学习的三大数学基础 —— 线性代数、微积分、概率论； 自本篇博文以下几遍博文，将对这三大数学基础进行重点提炼。 本节博文将介绍线性代数知识，为线性代数第一部分。包含基本数学对象、算数和运算，并用数学符号和相应的张量代码实现表示它们。 基本数学对象 基本数学对象包含： 0维：标量与变量；...

0. 概念和公式 请参考：一、机器学习之线性回归（一） 1. 涉及公式 1.1 简单线性回归 y = w x + b y = wx + b y=wx+b 1.2 多元线性回归 y ^ = w 1 X 1 + w 2 X 2 . . . w n X n + w 0 \hat y = w_1X_1 + w_2X_2 ... w_nX_n + w_0 y^​=w1​X1​+w2​X2​...wn​Xn​+...

第070个 本示例的目的是介绍如何在vue+cesium中设置线性渐变色的材质，这里使用canvas的辅助方法。 直接复制下面的 vue+cesium源代码，操作2分钟即可运行实现效果. 文章目录 示例效果 配置方式 示例源代码（共104行） 专栏目标 示例效果 配置方式 1）查看基础设置：https://xiaozhuanlan.com/topic/1374609285 或者同样查看：https:...

{bmatrix} 1\\1\\-2 \end{bmatrix} x1​= ​111​ ​,x2​= ​1−10​ ​,x3​= ​11−2​ ​ a）求 c 使得矩阵可对角化。 答：矩阵具有足够多的线性无关的特征向量时，可以完成对角化。此处的特征向量不仅线性无关而且正交，因此任意 c 都可以满足矩阵可对角化。 b）求 c 使得矩阵对称？ 答：如果矩阵对称 A = Q Λ Q T A=QΛQ^T A=...

对角化的矩阵有 A = S Λ S − 1 A =SΛS^{-1} A=SΛS−1，但特征向量矩阵 S 并不是正交矩阵，而 SVD 中的 U 和 V 都是正交矩阵。 如何实现 可以将矩阵 A 视为一种线性变换操作，将其行空间中的一个向量 v 1 v_1 v1​,变为其列空间中的向量 u 1 = A v 1 u_1=Av_1 u1​=Av1​。奇异值分解就是要在行空间中寻找一组正交基，将其通过矩阵 A ...

ton-Raphson法  前言：         最近在Android app实时显示数据上遇到了个问题，就是获取的数据需要进行转换。这里的转换公式为双指数函数，反函数不好转化出一个式子，需要实现非线性方程的求解寻根。         以往完成这个操作，我是在matlab定义函数式用fslove求解来完成这件事情，我在思考是否可以在Android app上实现这一点。经过一些调研，的确是可以的，可以...

到 cij。即我们常说的点积，也是大学课本给出的方法。 2)列操作 列操作是指矩阵 C 的第 j 列是通过矩阵 A 乘以矩阵 B 第 j 列的列向量得到的。这表明矩阵 C 的列向量是矩阵 A 列向量的线性组合，组合的“权”就是矩阵 B 第 j列的各个分量。 3)行操作 行操作是指矩阵 C 的第 i 行是通过矩阵 A 的第 i 行乘以矩阵 B 得到的。这表明矩阵 C 的行向量是矩阵 B 行向量的线性组合...

1. 线性回归模型的基本原理   线性回归是统计学中用来预测连续变量之间关系的一种方法。它假设变量之间存在线性关系，可以通过一个或多个自变量（预测变量）来预测因变量（响应变量）的值。基本的线性回归模型可以表示为： y = β 0 + β 1 x 1 + β 2 x 2 + . . . + β n x n + ϵ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + ... ...