将机器学习应用于工程实践
pip3 install "gluonts[mxnet,pro]" pip3 install matplotlib https://zh.mxnet.io/blog/gluon-ts-release
- 特征值与特征向量是线性代数的核心内容,也是方阵的属性之一。可以用于降噪,特征提取,图形压缩
- 特征值
- 特征向量
- 特征值就是特征方程的解
- 求解特征值就是求特征方程的解
- 求出特征值后,再求对应特征向量
- 将任意较为复杂的矩阵用更小,更简单的3个子矩阵相乘表示
- 捕捉函数的变化趋势
- 研究y 如何随着x而变
- 趋势是通过求导和微分来实现的
- 导数是定义在连续函数的基础上
- 想要对函数求导,函数至少要有一段是连续的
- “导数” 到是引导,导航到意思,它与函数上连续两个点之间的变化趋势,也就是变化的方向相关.
- 通过导数在机器学习领域,可以得到标签y随特征x而变化的方向
- 导数是针对一个变量而言的函数变化趋向
- 多云(即多变量)的函数,它关于其中一个变量的导数为偏导数,此时保持其他变量恒定
- 梯度下降已存在200多年,是机器学习的基础算法
- 对多元函数的各参数求偏导数,然后把所求得的各个参数的偏导数以向量的形式写出来,就是“梯度”
- 梯度下降的作用
- 3.1 机器学习的本质是找到最优的函数
- 3.2 如何衡量函数是最优解:尽量减小预测值和真值间的误差,也可以叫“损失值”
- 3.3 可以建立误差和模型参数之间的函数(最好是凸函数)
- 3.4 梯度下降能够引导我们走到凸函数的全局最低点,找到误差最小的参数
- 在机器学习中,把用于存储数据的结构叫张量,矩阵是二维数组,机器学习中就叫做2D张量
- 张量是机器学习程序中的数字容器
- 张量的维度称为轴(axis)
- 轴的个数称为阶(rank)