感知机算法 [TOC] 简介 感知机算法是最简单最基础的机器学习算法，可以用于处理最简单的二分类任务，并且模型和学习算法都十分简单。感知机1957年由Rosenblatt提出，是神经网络与支持向量机的基础。 感知机模型 感知机是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1 ...
分类：
编程语言 时间：
2019-01-07 22:46:04
阅读次数：
315
目的: 使用主成分分析，将数据降维，并尽量减少各个数据之间的相关性 主成分分析主要就是把有相关性的特征合并到一起 做法： 求出数据的协方差矩阵Σ 求出Σ的特征向量(λ1,λ2,,,,,,λn) 求出λi对应的特征向量Ui Ui就是第i个主成分的系数了，，，，第i个主成分就是Ui * X 第i个主成分 ...
分类：
其他好文 时间：
2018-12-23 20:01:51
阅读次数：
144
这个算是ICP算法中的一个关键步骤，单独拿出来看一下。 算法流程如下： 1.首先得到同名点集P和X。 2.计算P和X的均值up和ux。 3.由P和X构造协方差矩阵sigma。 4.由协方差矩阵sigma构造4*4对称矩阵Q。 5.计算Q的特征值与特征向量。其中Q最大特征值对应的特征向量即为最佳旋转向 ...
分类：
其他好文 时间：
2018-12-16 19:35:03
阅读次数：
245
这个算是ICP算法中的一个关键步骤，单独拿出来看一下。 算法流程如下： 1.首先得到同名点集P和X。 2.计算P和X的均值up和ux。 3.由P和X构造协方差矩阵sigma。 4.由协方差矩阵sigma构造4*4对称矩阵Q。 5.计算Q的特征值与特征向量。其中Q最大特征值对应的特征向量即为最佳旋转向 ...
分类：
其他好文 时间：
2018-12-14 22:53:12
阅读次数：
297
转自：https://jingyan.baidu.com/article/27fa7326afb4c146f8271ff3.html 一、特征值和特征向量的定义 首先让我们来了解一下特征值和特征向量的定义，如下： 首先让我们来了解一下特征值和特征向量的定义，如下： 特征子空间基本定义，如下： 特征子 ...
分类：
其他好文 时间：
2018-12-09 14:14:58
阅读次数：
142
1.设A为n阶矩阵，若存在常数λ及n维非零向量x，使得Ax=λx，则称λ是矩阵A的特征值，x是A属于特征值λ的特征向量。A的所有特征值的全体，叫做A的谱，记为λ(A)2.特征分解（Eigendecomposition），又称谱分解（Spectraldecomposition）是将矩阵分解为由其特征值和特征向量表示的矩阵之积的方法。需要注意只有对可对角化矩阵才可以施以特征分解。一个矩阵的一组特征向量
分类：
编程语言 时间：
2018-12-06 20:25:26
阅读次数：
259
importnumpyasnpx=np.diag((1,2,3))#对角阵print(x)a,b=np.linalg.eig(x)#特征值给a，特征向量给bprint(a)print(b)[[100][020][003]][1.2.3.][[1.0.0.][0.1.0.][0.0.1.]]importnumpyasnpx=np.diag((1,2,3))#对角阵print(x)a,b=np.lin
分类：
编程语言 时间：
2018-12-06 14:40:35
阅读次数：
285
转自：https://blog.csdn.net/fuming2021118535/article/details/51339881 在刚开始学的特征值和特征向量的时候只是知道了定义和式子，并没有理解其内在的含义和应用，这段时间整理了相关的内容，跟大家分享一下； 首先我们先把特征值和特征向量的定义复 ...
分类：
其他好文 时间：
2018-12-05 12:40:03
阅读次数：
206
一、先看一下教科书上的定义：设A是n阶方阵，如果存在常数及非零n向量x，使得，则称是矩阵A的特征值，x是A属于特征值的特征向量。给定n阶矩阵A，行列式 的结果是关于的一个多项式，成为矩阵A的特征多项式，该特征多项式构成的方程称为矩阵A的特征方程。 定理：n阶矩阵A的n个特征值就是其特征方程的n个跟； ...
分类：
其他好文 时间：
2018-12-05 12:31:02
阅读次数：
179
转自：https://blog.csdn.net/fuming2021118535/article/details/51339881 在刚开始学的特征值和特征向量的时候只是知道了定义和式子，并没有理解其内在的含义和应用，这段时间整理了相关的内容，跟大家分享一下； 首先我们先把特征值和特征向量的定义复 ...
分类：
其他好文 时间：
2018-12-05 12:21:00
阅读次数：
221
