Публикации по теме 'linear-algebra'


5 алгоритмов линейной алгебры, которые необходимо знать специалистам по данным Python
Линейная алгебра является математической основой многих методов машинного обучения и обработки данных. Но давайте будем реалистами, это может быть трудной темой для понимания. Вот почему мы составили это руководство по 5 лучшим алгоритмам линейной алгебры, которые должен знать каждый специалист по данным Python. Мы объясним, что это такое, как они работают, и дадим вам несколько примеров кода, чтобы вы могли начать использовать их в своих собственных проектах. Алгоритм 1: Разложение..
Скаляры, векторы и матрицы, боже мой!
Скаляры, векторы и матрицы, боже мой! День 3 и 4 был посвящен изучению основ машинного обучения и математики. Машинное обучение можно применять без математики. Однако применение машинного обучения более эффективно, зная, что эти системы делают под капотом. Это помогает работать с вводными книгами, чтобы понять основы машинного обучения. В день 3 и 4 я прочитал Глава 2 глубокого обучения : Линейная алгебра , написанную Яном Гудфеллоу. Линейная алгебра присутствует в машинном..
Полезные научные данные / уравнения Python для машинного обучения
Вычислите величину (длину) вектора: Https://youtu.be/6GoMXuE1FOw # import Numpy import numpy as np v = np.array([1, 3, 4, 2]) # Calculate the length manually norm = 0 for i in v: norm += i ** 2 norm **= 0.5 # Calculate the length using a numpy method numpy = np.linalg.norm(v) print(norm) # print long hand print(numpy) # print numpy Вычислите скалярное произведение двух векторов: Https://youtu.be/ui-Pc7-wFko # import Numpy import numpy as np u = np.array([-5, 3, 2,..
Линейная алгебра для обработки естественного языка
Представление семантики слова в векторном пространстве Сфера обработки естественного языка включает в себя создание методов обработки текста на естественном языке такими людьми, как вы и я, и извлечение из них информации для выполнения различных задач, от интерпретации пользовательских запросов в поисковых системах и возврата веб-страниц до решения запросов клиентов по мере необходимости. чат-бот-помощник. Важность представления каждого слова в форме, отражающей значение слова и общий..
Введение в матричные операции в глубоком обучении
Введение Далее приводится дружественный обзор важных концепций линейной алгебры и глубокого обучения, которые были упомянуты Джереми Ховардом в уроке 8 fast.ai 2019. Я разделил каждую концепцию на академическую часть и представление кода Python. Скаляры, векторы, матрицы и тензоры Скаляр — это всего лишь одно число. Он используется для контраста с массивами из нескольких чисел. Вектор — это массив чисел. Матрица представляет собой двумерный массив чисел, поэтому каждый элемент..
SVM Говорящая математика: квадратичное программирование и факторизация Холецкого
Здесь мы говорим о математике, лежащей в основе численных алгоритмов SVM. Установка сцены. Вы когда-нибудь задумывались, почему один алгоритм работает, а другой - нет? Эта история открывает новую серию статей, задуманных как полное руководство с целью не только научить вас писать несколько строк вызовов функций, но и сделать математику более понятной для тех, кто хотел бы принимать обоснованные решения. при выборе алгоритма. Кроме того, это также позволяет освежить свои навыки..
Геометрия линейных уравнений для машинного обучения
Руководство, которое поможет вам понять линейную алгебру, чтобы начать работу с машинным обучением. Основная задача линейной алгебры - решить систему уравнений. Эти уравнения линейны, что означает, что неизвестные только умножаются на числа - мы никогда не увидим x² или x, умноженное на y. Мы рассмотрим случай «n» линейных уравнений, «n» неизвестных. Это лучший и легкий сценарий, в котором нет равных. линейных уравнений и неизвестных. Мы будем решать уравнения, используя следующие..