
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
一、旋转1.绕原点旋转二维坐标旋转可以用矩阵表示:设有向量,那么当向量绕原点逆时针旋转度,那么旋转矩阵为。推导略。注:向量是列向量,因此旋转后的向量为:旋转矩阵可以推广至更高维度的空间,以三维空间为例:设有向量,那么当向量绕轴逆时针旋转度时,相当于在向量在一个平行于平面的的二维空间中,绕原点旋转,旋转后坐标保持不变,那么旋转矩阵可以改为:向量绕轴和轴逆时针旋转度的旋转矩阵为:因此向量在三维空间中,
参考文献《数据挖掘导论》 5.5支持向量机一、支持向量机简介本文中支持向量机的理论推导止于凸优化,至于是如何求解凸优化问题的请参阅其他文章。1.支持向量机的基础概念支持向量机(SVM)是利用最大边缘超平面对样本进行分类的方法,这里的边缘指的是和决策边界平行,到决策边界距离相等,且相交于最近的两类样本点的超平面之间的距离。边缘最大化的目的是为了最小化泛化误差。在概率下,SVM分...
一、初识卷积卷积之所以叫“卷”积,可以参见知乎上的回答。个人认为,卷积的通俗理解就是“长江后浪推前浪,前浪死在沙滩上”。“后浪”推“前浪”的本质就是“后浪”和“前浪”叠加,然而随着时间推移,“前浪”并不会因为“后浪们”的叠加的“推”而越来越大,因为“浪”的势头会随着时间推移慢慢消解,最终导致“前浪死在沙滩上”而不是造成大“江”啸。卷积函数就是所有位置的“浪”的高低。关于卷积,我主要参考了几...
参考文献《数据挖掘导论》 2.4 相似性和向异性的度量《深度学习》 3.13 信息论度量一、数据对象相似性和向异性的度量(一)概述1.定义非正式的定义为,相似度为两个对象相似程度的度量,两个对象越相似,相似度就越高。相似度通常在0(完全不相似)到1(完全相似)之间取值。相异度(距离)表示两个对象的差异程度,相异度有事在之间取值,有时相异度在。下表是不同类型的属性...