一、特征值与特征向量
特征空间:
特征向量的应用:
特征值表达了重要程度且和特征向量所对应,那么特征值大的就是主要信息了,基于这点我们可以提供各种有价值的信息。
二、SVD矩阵分解
基变换:
特征值分解:
SVD:
离散型随机变量
概率函数(概率质量函数):
连续型随机变量
似然函数
特征空间:
特征向量的应用:
特征值表达了重要程度且和特征向量所对应,那么特征值大的就是主要信息了,基于这点我们可以提供各种有价值的信息。
基变换:
特征值分解:
SVD:
离散型随机变量
概率函数(概率质量函数):
连续型随机变量
似然函数
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2103641.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!