矩阵分解

SVD神秘值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。 基础知识 1.
·2015-11-13 22:54

SVD神秘值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。 基础知识 1.
·2015-11-13 21:28

基于矩阵分解的推荐算法，简单入门

       本文将要讨论基于矩阵分解的推荐算法，这一类型的算法通常会有很高的预测精度，也活跃于各大推荐系统竞赛上面，前段时间的百度电影推荐最终结果的前
·2015-11-13 19:13

推荐算法相关总结表（包括DM）

相似度度量 贝叶斯分类 决策树 神经网络 专家系统 知识推理 协同过滤 K近邻 聚类 链接分析 关联规则 相似度度量 贝叶斯分类 决策树 神经网络 矩阵分解
·2015-11-13 08:32

特征向量物理意义

http://blog.sina.com.cn/s/blog_49a1f42e0100fvdu.html 什么是特征向量，特征值，矩阵分解[1.
·2015-11-13 06:48

SVD神秘值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。 基础知识 1.
·2015-11-13 05:06

矩阵LU分解分块算法实现

对于一个含有N个变量的N个线性方程组，总可以用高斯消去法，把左边的系数矩阵分解为一个单位下三角矩阵和一个上三角矩阵相乘的形式。这样，求解这个线性方程组就转化为求解两个三角
·2015-11-13 05:23

Personalized Ranking from Implicit Feedback

矩阵分解方法由于在Netflix中取的好成绩，成为近年来推荐系统中比较流行的推荐方法（无论是隐示数据还是显示数据，用的人都很多）。
·2015-11-12 20:15

SVD神秘值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。 基础知识 1.
·2015-11-12 19:49

Singular Value Decomposition(SVD)--奇异值分解

奇异值分解是线性代数中一种重要的矩阵分解，在信号处理、统计学等领域有重要应用。奇异值分解在某些方面与对称矩阵或Hermite矩阵基于特征向量的对角化类似。
·2015-11-12 18:21

随机梯度下降求解矩阵分解的sample（M=UV类型分解）

转：http://blog.sina.com.cn/s/blog_7eb42b5a0100xnog.html 原始矩阵可以理解为5个用户对5件衣服的点评，其中用户1,2对第5件衣服打高分，因为第五件衣服好看。用户3,4,5对第一件衣服打高分，因为价格便宜，因此这个矩阵可以分解为5*2,2*5的两个矩阵（2表示2个因素，色彩和价格）运行过程中错误在不断减少，表明算法的有效性。 code 很hard
·2015-11-12 16:03

漫谈高数 特征向量物理意义

原文：http://blog.sina.com.cn/s/blog_49a1f42e0100fvdu.html 什么是特征向量，特征值，矩阵分解 [1.
·2015-11-12 15:41

矩阵分解在推荐系统中的应用

  矩阵分解是最近几年比较火的算法，经过kddcup和netflix比赛的多人多次检验，矩阵分解可以带来更好的结果，而且可以充分地考虑各种因素的影响，有非常好的扩展性，因为要考虑多种因素的综合作用
·2015-11-11 19:10

矩阵分解大全

矩阵分解是指根据一定的原理用某种算法将一个矩阵分解成若干个矩阵的乘积。
·2015-11-11 13:26

matlab之矩阵分解

矩阵分解 　　矩阵分解 (decomposition, factorization)是将矩阵拆解为数个矩阵的乘积。
·2015-11-11 06:40

机器学习中的矩阵方法03：QR 分解

QR 分解的形式 QR 分解是把矩阵分解成一个正交矩阵与一个上三角矩阵的积。QR 分解经常用来解线性最小二乘法问题。QR 分解也是特定特征值算法即QR算法的基础。
·2015-11-11 02:17

矩阵分解（rank decomposition）文章代码汇总

矩阵分解（rank decomposition）文章代码汇总 矩阵分解（rank decomposition） 本文收集了现有矩阵分解的几乎所有算法和应用，原文链接：https://sites.google.com
·2015-11-11 00:16

SVD神秘值分解

本节讨论SVD分解相关数学问题，一个分为3个部分，第一部分讨论线性代数中的一些基础知识，第二部分讨论SVD矩阵分解，第三部分讨论低阶近似。本节讨论的矩阵都是实数矩阵。 基础知识 1.
·2015-11-07 11:33

NMF非负矩阵分解

非负矩阵分解（Non-negativeMatrixFactorization，NMF）是把一个矩阵分解成两个矩阵乘积的形式，来分解多维数据。
qunxingvip·2015-11-01 19:00

什么是非负矩阵分解 NMF（Non-negative Matrix Factorization ）

该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negative Matrix Factorization，NMF)算法，即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。
·2015-10-31 09:40

Cholesky分解

1、为什么要进行矩阵分解       个人认为，首先，当数据量很大时，将一个矩阵分解为若干个矩阵的乘积可以大大降低存储空间；其次，可以减少真正进行问题处理时的计算量
·2015-10-30 16:01

浅析新闻推荐及个性化推荐的领域相关性

一般是准备好数据（抽取成经典的user-item矩阵）之后，选几个比较经典通用的算法(user/item-KNN, 矩阵分解等)跑一
·2015-10-30 10:22

matlab练习程序（非负矩阵分解）

　　这个算法是Lee和Seung在1999年发表在nature杂志上的。具体论文看这里：http://www.seas.upenn.edu/~ddlee/Papers/nmf.pdf。 　　看不懂英文没关系，可以看这个中文的介绍：http://wenku.baidu.com/view/94c8af0bf78a6529647d5331.html。 　　原理上面两篇文章已经很清楚了，我在按自己的理
·2015-10-30 10:19

奇异值分解和非负矩阵分解

第一部分：矩阵的奇异值分解：矩阵的奇异值分解证明过程中会用到五个定理，先作为补充知识展示这五个定理：定理一：A是对称矩阵，则不同特征值对应的特征向量是正交的。证明：设，是矩阵A的特征向量，且，，为，对应的特征向量，即：，则，因为A是对称矩阵，则所以，则：因为，所以：，即：和是正交的。证毕————————————————————————————————————————————————————————
winone361·2015-10-29 11:00

非负矩阵分解

NMF，非负矩阵分解，它的目标很明确，就是将大矩阵分解成两个小矩阵，使得这两个小矩阵相乘后能够还原到大矩阵。而非负表示分解的矩阵都不包含负值。
winone361·2015-10-29 11:00

非负矩阵分解NMF

非负矩阵分解NMF是一种新矩阵分解算法，自《Nature》1999年刊登了两位科学家D.D.Lee和H.S.Seung有关非负矩阵研究的成果后，此分解算法逐渐被人们接受并应用到各种领域。    
winone361·2015-10-29 11:00

Non-negative Matrix Factorization 非负矩阵分解

该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negative Matrix Factorization，NMF)算法，即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。
·2015-10-28 08:51

减少注入元

线性方程组、矩阵分解和注入元之间的关系非得找些专业的书来看看才能清楚，不过如果用图论来解释注入元，其实是很简单直观的。 上面是一个3×3网格，我们要做的是将图中的顶点一个个地消去。
·2015-10-28 07:41

推荐系统的总结，主要是讲述矩阵分解在协同滤波系统中的作用

在这个博客：主要介绍看过的一篇介绍矩阵分解在推荐系统中的应用的论文，以及其对应的PPT,介绍的非常详细。值得一看。下面是我的笔记。
lujiandong1·2015-10-27 15:00

关于NMF（Non-negative Matrix Factorization ）

该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negative Matrix Factorization，NMF)算法，即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。
·2015-10-27 11:10

非负矩阵分解 NMF（Non-negative Matrix Factorization ）

该文提出了一种新的矩阵分解思想――非负矩阵分解(Non-negativeMatrixFactorization，NMF)算法，即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。
winone361·2015-10-27 09:00

Armadillo C++ Library 3.6.0 发布

各种矩阵分解是通过 可选的集成 与LAPACK和Atlas图书馆。延迟评价方法，基于模板
·2015-10-23 09:34

QR分解与最小二乘

主要内容： 1、QR分解定义 2、QR分解求法 3、QR分解与最小二乘 4、Matlab实现   一、QR分解 R分解法是三种将矩阵分解的方式之一。
·2015-10-21 11:46

PCA scikit-learn 2.5 Decomposing signals in components(matrix factorization problems)

成分中的信号分解（矩阵分解问题）2.5.1.1exactPCAandprobabilisticinterpretation(精确主成分分析与概率解释)PCA是用来分解多元数据集的，该数据集由一系列正交成分组成
power0405hf·2015-10-10 21:09

PCA scikit-learn 2.5 Decomposing signals in components(matrix factorization problems)

成分中的信号分解（矩阵分解问题）2.5.1.1exactPCAandprobabilisticinterpretation(精确主成分分析与概率解释)PCA是用来分解多元数据集的，该数据集由一系列正交成分组成
power0405hf·2015-10-10 21:00

Andrew Ng机器学习课程15

关于奇异值分解及其应用可以参看我的博文《矩阵分解之奇异值分解》有着精彩而详细的论述。2015-10-9艺少
LG1259156776·2015-10-09 09:00

基于协同过滤，NMF和Baseline的推荐算法

本文以电影推荐系统为例，简单地介绍基于协同过滤，PMF概率矩阵分解，NMF非负矩阵分解和Baseline的推荐系统算法。
初雪之音·2015-10-07 00:00

基于SVD实现PCA的图像识别

       本文实现基于SVD奇异矩阵分解的PCA主成分分析，使用该算法来完成对人脸图像的识别，主要讲解SVD实现PCA的原理，如何利用SVD实现图像特征的降维，以及SVD在文本聚类方面的使用，例如弱化同义词
初雪之音·2015-10-04 00:00

矩阵分解之奇异值分解

矩阵分解之奇异值分解引言首先说矩阵，矩阵是一个难理解的数学描述，不管是在本科阶段的线性代数课上还是在研究生阶段的矩阵分析课上，都没有使我对矩阵产生什么好感，虽然考试也能过关，基本知识也能理解，但就是不知道有卵用
offbye·2015-09-15 09:00

矩阵分解（rank decomposition）文章代码汇总

本文收集了现有矩阵分解的几乎所有算法和应用，原文链接：https://sites.google.com/site/igorcarron2/matrixfactorizationsMatrixDecompositions
jzwong·2015-09-13 21:00

Eigen解线性方程组

一.矩阵分解：矩阵分解(decomposition,factorization)是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jordan分解和SVD（奇异值）分解等，常见的有三种：
u013354805·2015-09-08 09:00

非负矩阵分解NMF

发现写关于非负矩阵的博文还是蛮多的，还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。       
jzwong·2015-09-07 16:00

非负矩阵分解（NMF）

通常的矩阵分解会把一个大的矩阵分解为多个小的矩阵，但是这些矩阵的元素有正有负。而在现实世界中，比如图像，文本等形成的矩阵中负数的存在是没有意义的，所以如果能把一个矩阵分解成全是非负元素是很有意义的。
jzwong·2015-09-07 16:00

Matrix Factorization, Algorithms, Applications, and Avaliable packages

来源：http://www.cvchina.info/2011/09/05/matrix-factorization-jungle/美帝的有心人士收集了市面上的矩阵分解的几乎所有算法和应用，由于源地址在某神秘物质之外
jzwong·2015-09-07 11:00

机器学习案例-Quora

1.Quora使用的模型逻辑回归弹性网络梯度增强决策树随机森林LambdaMART矩阵分解向量模型及其其它自然语言处理技术2.收集资料加速芯片是神经网络芯片的最终形态陈云霁
alive2012·2015-08-20 22:00

scikit-learn：通过Non-negative matrix factorization (NMF or NNMF)实现LSA（隐含语义分析）

之前写过两篇文章，分别是1）矩阵分解的综述：scikit-learn：2.5.矩阵因子分解问题2）关于TruncatedSVD的简单介绍：scikit-learn：通过TruncatedSVD实现LSA
mmc2015·2015-08-20 09:00

随记

F(g(x)*f(x))=F(g(x))F(f(x))其中F表示的是傅里叶变换2、矩阵分解3、支持向量机核函数4、协同过滤算法5、去噪的方法6、聚类算法7、Python常用包8、R的常用包9、hadoop
sherry20150511·2015-08-19 09:03

随记

F(g(x)*f(x))=F(g(x))F(f(x))其中F表示的是傅里叶变换2、矩阵分解3、支持向量机核函数4、协同过滤算法5、去噪的方法6、聚类算法7、Python常用包8、R的常用包9、hadoop
sherry20150511·2015-08-19 09:03

Non-negative Matrix Factorization 非负矩阵分解

Non-negativeMatrixFactorization非负矩阵分解Introduction定义非负矩阵分解(non-negativematrixfactorization)，或非负矩阵近似(non-negativematrixapproximation
lijiancheng0614·2015-08-13 16:11

C#实现将一个矩阵分解为对称矩阵与反称矩阵之和的方法

本文实例讲述了C#实现将一个矩阵分解为对称矩阵与反称矩阵之和的方法。分享给大家供大家参考。
北风其凉·2015-08-12 16:18
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他