機械学習のための数学：PCA

説明

この中級レベルのコースでは、基本的な次元削減手法である主成分分析（PCA）を導出するための数学的基礎を紹介します。平均値や分散など、データセットのいくつかの基本的な統計について説明し、内積を使用してベクトル間の距離と角度を計算し、低次元の部分空間へのデータの直交射影を導き出します。次に、これらすべてのツールを使用して、データポイントとその再構成の間の平均二乗再構成誤差を最小化する方法としてPCAを導出します。

このコースを修了すると、重要な数学的概念に精通し、PCAをすべて自分で実装できるようになります。苦労している場合は、テクニックの特性を調べて、軌道に乗るために必要なことを説明できるJupyterノートブックのセットを見つけることができます。あなたがすでに専門家であるならば、このコースはあなたの知識のいくらかをリフレッシュするかもしれません。

講義、例、演習には以下が必要です。
1.抽象的思考の能力
2.線形代数（たとえば、行列およびベクトル代数、線形独立、基底）の優れた背景
3.多変量計算の基本的な背景（例：偏微分、基本的な最適化）
4. Pythonプログラミングとnumpyの基本的な知識

免責事項：このコースは、他のXNUMXつの専門コースよりもかなり抽象的であり、より多くのプログラミングが必要です。ただし、機械学習アルゴリズムを理解して開発したい場合は、この種の抽象的な思考、代数操作およびプログラミングが必要です。