![ベクトル空間のテンソルについて - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/359211af509fdcf2aab8dc409dcc68454cb5e76f/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Fadvent-calendar-ogp-background-f625e957b80c4bd8dd47b724be996090.jpg%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUUzJTgzJTk5JUUzJTgyJUFGJUUzJTgzJTg4JUUzJTgzJUFCJUU3JUE5JUJBJUU5JTk2JTkzJUUzJTgxJUFFJUUzJTgzJTg2JUUzJTgzJUIzJUUzJTgyJUJEJUUzJTgzJUFCJUUzJTgxJUFCJUUzJTgxJUE0JUUzJTgxJTg0JUUzJTgxJUE2JnR4dC1jb2xvcj0lMjMzQTNDM0MmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWNsaXA9ZWxsaXBzaXMmdHh0LWFsaWduPWxlZnQlMkNtaWRkbGUmcz1lMDExMTEwNmU4OTM0NWYwMzUyOTdlZjBlYTZjOWM4Mw%26mark-x%3D142%26mark-y%3D151%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwbl9rYXRzXyZ0eHQtY29sb3I9JTIzM0EzQzNDJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9Njc2NjMxNDUxNzk5OGUxM2RlNTBlMDc4MDFkYzViYTA%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D33e923f1e2914021448d8bce374a9e9d)
先日こんなツイートをしました。 通常の最小二乗法だとy=ax-bの直線とサンプルとのy軸上の差を最小化しようするけど、サンプルから直線まで下ろした垂線の距離を最小化しようとする良い手法はないんだろうか。自分で定式化しようとしたら、存外ややこしくて失敗。— Minagawa Takuya (@takmin) 2020年9月15日 絵にするとこんな感じです。 直線フィッティング それに対してありがたいことに、いくつか反応をいただきました。 主成分分析ではいかがでしょうか?— Hideki Nakayama (@n_hidekey) 2020年9月15日 主成分分析がまさにそれかと思います— Kenjiro Sugimoto (@wosugi3) 2020年9月16日 主成分分析でできるという回答を複数からもらいました。 なるほど!データの分散が主成分方向に最大になるように、、、という理解だった
この記事は、線形代数において重要な「行列式」の概念だけを、予備知識ゼロから最短距離で理解したい人のための都合のいい記事です。 そのため、わかっている人から見れば「大雑把すぎじゃね?」「アレの話するんだったらアレの話もしないとおかしくね?」という部分が少なくないかもですが、趣旨をご理解いただいた上でお付き合いください。明らかな間違いに関しては、ご指摘いただけますと助かります。 線形変換 ↑座標です。 座標を変形することを考えます。つまり、座標変換です。 座標変換にもいろいろあって、以下のようにグニュッと曲げたやつ も座標変換には違いありませんが、今回ここで考えるのは線形変換だけにします。線形変換とは大雑把に言えば「すべての直線を直線に保つ」「原点を動かさない」という条件を満たす変換です。 そういう変換には例として、伸ばしたり縮めたりの拡大・縮小(scale)、原点中心に回す回転(rotate
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く