Tagged
PCA
机器学习数学推导（十七）：降维与主成分分析
高维空间对基于距离的算法极其不友好。本文从最大方差与最小重构误差两个等价视角推导 PCA，并依次扩展到核 PCA、LDA、t-SNE 与 ICA——配套图示直接展示同一份数据上各方法到底干了什么。
机器学习中的线性代数 -- 从 PCA 到推荐系统
线性代数是机器学习的'母语'。本章深入 PCA、LDA、SVM 核方法、矩阵分解推荐系统、线性回归的矩阵形式，以及神经网络中的线性层与注意力机制背后的线性代数原理。
奇异值分解 SVD
SVD 被誉为线性代数的皇冠明珠：它能分解任意矩阵，不限于方阵或对称矩阵。从图像压缩到推荐系统，从人脸识别到基因分析，SVD 无处不在。