Skip to Main Content
Praktische Lineare Algebra für Data Science
book

Praktische Lineare Algebra für Data Science

by Mike X Cohen
September 2024
Intermediate to advanced content levelIntermediate to advanced
328 pages
9h 6m
German
O'Reilly Media, Inc.
Book available
Content preview from Praktische Lineare Algebra für Data Science

Kapitel 15. Eigendekomposition und SVD-Anwendungen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com

Eigendekomposition und SVD sind Juwelen, die die lineare Algebra der modernen menschlichen Zivilisation geschenkt hat. Ihre Bedeutung in der modernen angewandten Mathematik kann gar nicht hoch genug eingeschätzt werden, und ihre Anwendungen sind unzählig und erstrecken sich über unzählige Disziplinen.

In diesem Kapitel stelle ich drei Anwendungen vor, die dir in den Datenwissenschaften und verwandten Bereichen wahrscheinlich begegnen werden. Mein Hauptziel ist es, dir zu zeigen, dass scheinbar komplizierte Techniken der Datenwissenschaft und des maschinellen Lernens eigentlich ziemlich sinnvoll und leicht zu verstehen sind, wenn du die Themen der linearen Algebra in diesem Buch gelernt hast.

PCA mit Eigendekomposition und SVD

Der Zweck der PCA ist es, eine Reihe von Basisvektoren für einen Datensatz zu finden, die in die Richtung zeigen, die die Kovarianz zwischen den Variablen maximiert.

Stell dir vor, dass ein N-D-Datensatz in einem N-D-Raum existiert, wobei jeder Datenpunkt eine Koordinate in diesem Raum ist. Das ist sinnvoll, wenn du dir vorstellst, die Daten in einer Matrix mit N Beobachtungen (jede Zeile ist eine Beobachtung) von M Merkmalen (jede Spalte ist ein Merkmal, auch Variable oder Messung genannt) zu speichern; die Daten leben in M und bestehen aus N Vektoren oder Koordinaten. ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

Deep Learning für die Biowissenschaften

Deep Learning für die Biowissenschaften

Bharath Ramsundar, Peter Eastman, Patrick Walters, Vijay Pande
Roboter mit ROS

Roboter mit ROS

Murat Calis

Publisher Resources

ISBN: 9781098184889