@特徵值 / 博客 RSS 訂閱

Nov 28 2025

mob64ca1417b0c6 - 兩個特徵矩陣的餘弦相似度可以作為權重 兩個矩陣相似特徵值

如何理解矩陣特徵值？ 想要理解特徵值，首先要理解矩陣相似。什麼是矩陣相似呢？從定義角度就是：存在可逆矩陣P滿足B＝ 則我們説A和B是相似的。讓我們來回顧一下之前得出的重要結論：對於同一個線性空間，可以用兩組不同的基 和基 來描述，他們之間的過渡關係是這樣的： ，而對應座標之間的過渡關係是這樣的

f5 , 特徵值 , 人工智能 , 深度學習 , 兩個特徵矩陣的餘弦相似度可以作為權重 , 特徵向量

收藏 評論

Dec 07 2025

全棧技術開發者 - 矩陣的跡到底有什麼意義？跡如何描述平均拉伸效應？特徵多項式中跡係數的代數與幾何意義是什麼？跡操作如何保證統計平均與座標無關？

在線性代數的理論體系中，矩陣是描述線性映射和向量空間結構的核心工具。矩陣不僅用於描述有限維空間的變換，還廣泛應用於量子力學、統計力學、羣表示理論、微分幾何以及現代計算科學。在學習矩陣時，一個看似簡單的概念——矩陣的跡——經常被提及。 初次接觸跡的人可能會認為它只是矩陣對角線元素的求和： 然而，這種表面上的簡單掩蓋了其深層的數學與物理意義。跡不僅是線性代數中的數

機器學習 , 複雜度 , 線性變換 , yyds乾貨盤點 , 特徵值 , 人工智能

收藏 評論

Nov 16 2025

墨色天香 - 【乾貨】​深度學習中的線性代數 -

1. 線性代數是什麼？ 線性代數是數學的一個重要分支，主要研究向量、矩陣、線性方程組和線性變換等概念。如果把深度學習比作一棟高樓，那麼線性代數就是這棟高樓的"鋼筋骨架"——它雖然不直接可見，卻支撐着整個建築的結構穩定性。 1.1 基本數學對象 在深度學習中，數據通常以以下幾種形式表示： 標量(Scalar)：單個數字，比如温度值25℃或者商品價格

特徵值 , 權重 , 後端開發 , 深度學習 , Python

收藏 評論

Dec 28 2025

虎斑嘟嘟 - 大模型中的“自組織臨界性”：智能涌現的統計物理機制

大模型中的“自組織臨界性”：智能涌現的統計物理機制 摘要 隨着大規模語言模型的參數量突破千億級別，研究者們開始從複雜系統的視角審視智能涌現現象。本文探討了大模型訓練動態與“自組織臨界性”理論之間的深刻聯繫，提出了智能涌現可能遵循類似沙堆崩塌的統計物理機制。我們將通過理論分析和代碼實驗，揭示大模型如何通過簡單的梯度下降達到臨界狀態，從而產生突現能力。 一、自組織臨

協方差矩陣 , yyds乾貨盤點 , NLP , 特徵值 , 人工智能 , ci

收藏 評論

Nov 21 2025

mob64ca14095513 - nlp將特徵矩陣變成一維 特徵矩陣的英文

矩陣的特徵向量跟特徵值的英文名字分別是 eigenvector 跟 eigenvalue，這倆概念非常非常有用，根據他們倆可以外延出很多有趣的功能。大部分同學可能腦子裏想一下還能記得他們倆是怎麼計算出來的，但是他們為什麼可以代表一個矩陣的“特徵”呢？除了這倆，相信大多數同學都不記得矩陣的行列式是個什麼東西了，總之不太直觀。相比較而言，矩陣的跡（trace）這個概念就比較直觀，就是

nlp將特徵矩陣變成一維 , 二維 , NLP , 特徵值 , 人工智能 , 特徵向量

收藏 評論

Dec 14 2025

全棧技術開發者 - 二次型為什麼被放到線性代數中？如何通過基變換簡化矩陣？如何利用特徵值與特徵向量描述結構？二次型與內積空間理論有怎樣的內在聯繫？

在線性代數的體系中，矩陣、向量空間、線性映射以及特徵值與特徵向量構成了嚴密的邏輯網絡，為我們研究空間結構、變換性質和系統行為提供了統一語言。然而，當我們遇到“二次型”這一概念時，往往會感到困惑：二次型顯然涉及變量的平方組合，表面上看似脱離線性關係，為何卻被納入線性代數的核心內容？ 二次型的特殊之處在於，它不僅是一種代數表達形式，更是對向量空間結構的精確描述。通過矩陣表示，二

機器學習 , yyds乾貨盤點 , 特徵值 , 人工智能 , 線性代數 , 對稱矩陣

收藏 評論

Nov 16 2025

全棧技術開發者 - 矩陣和線性變換怎麼理解？矩陣與線性變換的關係究竟是什麼？一個矩陣如何對應到具體的變換？特徵向量和特徵值的意義是什麼？

在現代數學的研究中，線性代數佔據着核心位置，它不僅是純數學的重要組成部分，也是物理學、工程學、計算機科學等學科的基礎工具。矩陣與線性變換作為線性代數的核心概念，具有深厚的理論內涵和廣泛的應用價值。矩陣的排列和運算規則表面上似乎只是數字的組合，但其內在體現的是對向量空間結構的精確描述；而線性變換則揭示了向量空間中元素之間的映射規律，是代數與幾何之間的直接聯繫。 理解矩陣與線性

機器學習 , 線性變換 , yyds乾貨盤點 , 特徵值 , 向量空間 , 人工智能 , 線性代數

收藏 評論

Dec 17 2025

mob64ca1400bfa8 - LDA是獨熱編碼嗎

1 為什麼要進行特徵編碼？ 我們拿到的數據通常比較髒亂，可能會帶有各種非數字特殊符號，比如中文。下面這個表中顯示了我們最原始的數據集。而實際上機器學習模型需要的數據是數字型的，因為只有數字類型才能進行計算。因此，對於各種特殊的特徵值，我們都需要對其進行相應的編碼，也是量化的過程。 2 特徵編碼類型 本篇，我們主要説一下分類型特徵的編碼方式。對於分類型數據

機器學習 , 編碼方式 , 數據 , 特徵值 , LDA是獨熱編碼嗎 , 人工智能

收藏 評論