深度之眼(六)——矩阵的逆(附:logistic模型一些想法)

简介: 深度之眼(六)——矩阵的逆(附:logistic模型一些想法)

一、矩阵逆的引入以及矩阵逆的定义(*)


0a2653c851af460fa595bd959398a8f1.png


A*是伴随矩阵,其中Aij为aij的代数余子式


2d65d23f6d4748949b924e4057485923.png2e9b90b2ca334476abebe75bafe6eeaa.png


区别于定义7 AB = BA = E,使条件推广


二、矩阵逆的计算


分块矩阵(便于计算)

0a2653c851af460fa595bd959398a8f1.png


三、矩阵逆的常用性质,以及特殊矩阵的逆


3.1 性质


|AB| = |A||B|

(AB)-1=B-1A-1

(AB)T=BTAT

2d65d23f6d4748949b924e4057485923.png


3.2 特殊矩阵的逆


2e9b90b2ca334476abebe75bafe6eeaa.png


四、矩阵逆在机器学习线性回归算法中的运用(初级)


N是样本个数,a1……an是待估参数


0a2653c851af460fa595bd959398a8f1.png


博主在看到这里的时候,忽然想起来自己曾经一次数模模拟题,用到了logistic模型,当时有贝塔1到贝塔n的求解,博主当时不清楚该怎么解,现在才理解明白,线代移动要好好学啊

模型简介如下:

2d65d23f6d4748949b924e4057485923.png

含泪,用matlab,线代一定要好好学!!!,泪的教训


五、分块矩阵


分块矩阵的转置,整体是要进行转置,每一个小分块要要转置(这两点要记住)


5.1 加减乘运算


0a2653c851af460fa595bd959398a8f1.png


5.2 转置运算和逆运算


2d65d23f6d4748949b924e4057485923.png


5.3 例


2e9b90b2ca334476abebe75bafe6eeaa.png


5.4 协方差矩阵的计算


0a2653c851af460fa595bd959398a8f1.png

相关文章
|
6月前
|
机器学习/深度学习 搜索推荐 数据挖掘
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
|
6月前
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线(下)
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线
|
6月前
|
算法
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线(上)
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线
|
人工智能
从浅到深研究矩阵的特征值、特征向量
从浅到深研究矩阵的特征值、特征向量
171 0
|
算法
基于MCMC的交通量逆建模(Matlab代码实现)
基于MCMC的交通量逆建模(Matlab代码实现)
|
机器学习/深度学习 决策智能
矩阵分析 (七) 矩阵特征值的估计
矩阵分析 (七) 矩阵特征值的估计
170 0
深度之眼(十)——矩阵特征值与特征向量
深度之眼(十)——矩阵特征值与特征向量
251 0
深度之眼(十)——矩阵特征值与特征向量
|
机器学习/深度学习
深度之眼(三)——矩阵的行列式
深度之眼(三)——矩阵的行列式
225 0
深度之眼(三)——矩阵的行列式
|
算法
ACM算法训练【差分矩阵】
ACM算法训练【差分矩阵】
85 0
ACM算法训练【差分矩阵】
|
算法 计算机视觉
学习:基于泰勒级数近似估计的图像增强综述
学习:基于泰勒级数近似估计的图像增强综述
451 0
学习:基于泰勒级数近似估计的图像增强综述
下一篇
无影云桌面