Обзор Полный текст статьи можно найти на Портале разработчиков LSEG , где мы подробно обсуждаем рабочий процесс. Одним из основных этапов успешного решения в области искусственного интеллекта (ИИ) является проектирование функций. Целью процесса является максимизация предсказательной способности ИИ путем преобразования необработанных данных с целью предоставления разработанных наборов функций с высоким уровнем понимания. Одним из очень распространенных методов уменьшения размерности..

В моем последнем посте я обсуждал собственное разложение. Однако это применимо только к квадратным матрицам. Более общий метод, разложение по сингулярным числам (SVD), называемый фундаментальной теоремой линейной алгебры , существует для всех матриц. В этом посте я сначала представлю теорию и конструкцию SVD, а затем покажу вам, как мы можем использовать SVD для аппроксимации матриц, что позволяет сжимать изображения. Помните, что изображения — это всего лишь матрицы со значениями,..

По словам профессора Массачусетского технологического института Гилберта Стрэнга, «прекрасная вещь, случившаяся в линейной алгебре при его жизни, — это «разложение по сингулярным значениям». Процесс, при котором прямоугольный фрагмент данных (матрица) разбивается на несколько частей. Сначала самая важная часть, затем следующая важная часть и так далее… Если специалист по данным может найти эти самые важные части, остановиться на этом, аппроксимировать все данные этими важными частями, вот и..