Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Laurence001
d2l-zh
提交
a30ff701
D
d2l-zh
项目概览
Laurence001
/
d2l-zh
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
a30ff701
编写于
12月 09, 2021
作者:
J
Jannchie
提交者:
GitHub
12月 08, 2021
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update linear-algebra.md (#1040)
删除了多余的逗号。
上级
a98140ec
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
chapter_preliminaries/linear-algebra.md
chapter_preliminaries/linear-algebra.md
+1
-1
未找到文件。
chapter_preliminaries/linear-algebra.md
浏览文件 @
a30ff701
...
@@ -898,7 +898,7 @@ tf.norm(tf.ones((4, 9)))
...
@@ -898,7 +898,7 @@ tf.norm(tf.ones((4, 9)))
例如,矩阵可以分解为因子,这些分解可以显示真实世界数据集中的低维结构。
例如,矩阵可以分解为因子,这些分解可以显示真实世界数据集中的低维结构。
机器学习的整个子领域都侧重于使用矩阵分解及其向高阶张量的泛化,来发现数据集中的结构并解决预测问题。
机器学习的整个子领域都侧重于使用矩阵分解及其向高阶张量的泛化,来发现数据集中的结构并解决预测问题。
我们相信,一旦你开始动手尝试并在真实数据集上应用了有效的机器学习模型,你会更倾向于学习更多数学。
我们相信,一旦你开始动手尝试并在真实数据集上应用了有效的机器学习模型,你会更倾向于学习更多数学。
因此,这一节到此结束,我们保留在后面介绍更多数学知识的权利
,
。
因此,这一节到此结束,我们保留在后面介绍更多数学知识的权利。
如果你渴望了解有关线性代数的更多信息,你可以参考
[
线性代数运算的在线附录
](
https://d2l.ai/chapter_appendix-mathematics-for-deep-learning/geometry-linear-algebraic-ops.html
)
或其他优秀资源 :cite:
`Strang.1993,Kolter.2008,Petersen.Pedersen.ea.2008`
。
如果你渴望了解有关线性代数的更多信息,你可以参考
[
线性代数运算的在线附录
](
https://d2l.ai/chapter_appendix-mathematics-for-deep-learning/geometry-linear-algebraic-ops.html
)
或其他优秀资源 :cite:
`Strang.1993,Kolter.2008,Petersen.Pedersen.ea.2008`
。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录