Algebra lineare pratica per la scienza dei dati

Indice

A

• Aggiunta di vettori, Operazioni sui vettori
  • geometria dell'addizione vettoriale, Geometria dell'addizione e della sottrazione vettoriale
  • addizione scalare-vettoriale, Addizione scalare-vettoriale
  • addizione e moltiplicazione scalare-vettoriale, Combinazione lineare pesata
  • nel prodotto di punti vettoriale, Il prodotto di punti vettoriale
• metodo additivo (creazione di matrici simmetriche), Creazione di matrici simmetriche da matrici non simmetriche
• matrice adiacente, Inversione di qualsiasi matrice quadrata full-rank
• Il programma di installazione di Anaconda, Usare Python localmente e online
• angolo (o direzione) dei vettori, Geometria dei vettori
• array
  • matrice come array 2D NumPy, Operazioni matriciali: Trasposizione
  • NumPy, NumPy
  • vettori come array NumPy, Creazione e visualizzazione di vettori in NumPy
• calcolo della media dei vettori, La geometria della moltiplicazione vettoriale-scalare

B

• sostituzione posteriore, eliminazione gaussiana, minimi quadrati tramite QR
• base, Sintesi delle basi
  • importanza nella scienza dei dati e nell'apprendimento automatico, Basis
• insiemi di basi, Basi
  • requisito di indipendenza lineare, Definizione di base
• vettori base, Diagonalizzazione di una matrice quadrata
  • spazio nullo, Indeterminazione del segno e della scala degli autovalori
  • ortogonale, Il quadro generale della SVD
• noleggio di biciclette, previsione (esempio)(vedi previsione del noleggio di biciclette in base al meteo)
• Tipo booleano, Comparatori
• trasmissione, k-Means Clustering
  • prodotto esterno contro, Prodotto esterno ...