書籍地址：http://immersivemath.com/ila/index.html 書中的三維立體動態插圖。 《Immersive Linear Algebra》的作者是 J. Str

過節福利，我們來深入理解下L1與L2正則化。 1 正則化的概念 正則化(Regularization) 是機器學習中對原始損失函式引入額外資訊，以便防止過擬合和提高模型泛化效能的一類方法

新年伊始，很榮幸筆者的 《教你用 Python 進階量化交易》 專欄在慕課專欄板塊上線了，歡迎大家訂閱！為了能夠提供給大家更輕鬆的學習過程，筆者在專欄內容之外會陸續推出一些手記來輔助同學們學習本專欄內容，因此

此係列將會每日持續更新，歡迎關注 線性迴歸 (linear regression)的TensorFlow實現 #這裡是基於python 3.7版本的TensorFl

個人掘金鍊接 個人部落格原文連結 一、數學基礎 似然函式 概率（probability）：描述已知引數時的隨機變數的輸出結果； 似然函式（likelihood

詳細程式碼參考 github 利用正則化線性迴歸模型來了解偏差和方差的特徵 例項： 首先根據資料建立線性迴歸模型，模型能夠根據水庫液位的變化來預測大壩的排水量，然後通過調整引數等方法來學習偏差和

工程中常常需要尋找一些特定集合內的 $\boldsymbol x$ 值，使得二次型 $Q(\boldsymbol x)$ 取得最大值或最小值。具有代表性的是，這類問題可化為 $\boldsymbol x$ 在一

一個對稱 矩陣是一個滿足 $A^\mathsf{T} = A$ 的矩陣 $A$，這種矩陣是方陣，其主對角線元素是任意的，但其他元素在主對角線的兩邊成對出現。 定理 1如果 $A$ 是對稱矩陣

前言 最近有在學習網易雲課堂上《吳恩達機器學習》這門課程, 受益匪淺, 然後打算將有關線性迴歸模型的知識點總結下來, 也就有了本文. 若存在錯誤的地方, 還請指正, 謝謝! 目錄 正文 線性迴歸

Model and Cost Function 1 模型概述 - Model Representation To establish notation for future use, we’ll use

導語：其他集數可在[線性代數]標籤文章找到。線性子空間是一個大課題，這裡先提供一個簡單的入門，承接先前關於矩陣代數的討論，期待與你的交流。 Overview: Subspace definition

Contents 1. 冪演算法 冪演算法適用於 $n \times n$ 矩陣 $A$ 由嚴格佔優特徵值 （亦稱主特徵值）$\lambda_1$ 的情況。$\lambda_1

如果一個方陣 $A$ 相似於對角陣，即存在可逆矩陣 $P$ 和對角矩陣 $D$，有 $A = PDP^{-1}$，則稱 $A$可對角化 。 定理 5（對角化定理）$n \times n$ 矩

本文主要探索如何使用深度學習框架 MXNet 或 TensorFlow 實現 線性迴歸 模型？並且以 Kaggle 上資料集 USA_Housing 做線性迴歸任務來預測房價。 迴歸任務，scikit

1. 行列式 設 $A$ 是 $n \times n$ 矩陣，$U$ 是對 $A$ 作行替換和行交換（不做行倍乘）所得到的任一階梯型矩陣，$r$ 是行交換的次數，那麼 $A$ 的行