线性编程：单纯形法，双重单纯形法和灵敏度分析的MATLAB实现

乳腺癌检测：机器学习算法在威斯康星州诊断数据集上的应用 注意：此存储库已淘汰，不会移植为使用TF2。 但是，您可以以此为参考。 该论文于2018年2月2-4日在越南富国岛举行的第二届机器学习与软计算国际会议（ICMLSC）上发表。 有关该项目的全文，请访问 。 抽象 本文对威斯康星州的六种机器学习（ML）算法进行了比较： ，线性回归，多层感知器（MLP），最近邻（NN）搜索，Softmax回归和支持向量机（SVM）诊断性乳腺癌（WDBC）数据集通过测量其分类测试的准确性以及其敏感性和特异性值。 所述数据集包含特征，这些特征是根据乳腺肿块的FNA测试的数字化图像计算得出的[22]。 为

线性回归汽车价格预测 这是用于汽车价格预测的线性回归模型 一家中国汽车公司吉利汽车（Geely Auto）希望通过在美国设立生产部门并在当地生产汽车，从而在美国和欧洲同行中竞争来进入美国市场。 他们与汽车咨询公司签约，以了解汽车定价所依赖的因素。 具体来说，他们想了解影响美国市场汽车定价的因素，因为这些因素可能与中国市场有很大不同。 该公司想知道： 哪些变量在预测汽车价格方面很重要 这些变量如何很好地描述汽车的价格 根据各种市场调查，这家咨询公司收集了整个美洲市场上各种类型汽车的大型数据集。 我们需要使用可用的独立变量对汽车价格进行建模。 管理层将使用它来了解价格随自变量的确切变化情况。 他们可以据此操纵汽车的设计，商业策略等，以达到一定的价格水平。 此外，该模型将是管理层了解新市场定价动态的好方法。 我们将使用汽车价格数据集使用线性回归模型。 我们想知道变量之间的关系，尤其是汽车

Linear systems theory Text book for students in Modern Control Theory course.

最近几天在参加AI研习社的一个美食识别比赛，比赛方提供了6140张图片的训练集，856张图片的测试集。其中测试集没有标签，只用来生成预测数据进行提交。 任务难度不是很高，但是在做的过程中还是遇到了一些问题，有一些经验值得总结，这里主要记录一下在模型fine-tune中的一些经验教训。 1.模型选择 由简单到复杂，先后选择了resnet50、resnet101、resnext50_32x4d、resnext101_32x8d。 这些模型中，前两个在验证集上的acc在到达94%后就基本上不去了（也可能是我超参不合适没有到最佳性能），resnext50_32x4d的acc能够到达95%，而resne

APPLIED NUMERICAL LINEAR ALGEBRA James W. Demmel University of California Berkeley, California Society for Industrial and Applied Mathematics Philadelphia Contents Preface ix 1 Introduction 1 1.1 Basic Notation 1 1.2 Standard Problems of Numerical Linear Algebra 1 1.3 General Techniques 2 1.3.1 Matrix Factorizations 3 1.3.2 Perturbation Theory and Condition Numbers 4 1.3.3 Effects of Roundoff Error on Algorithms 5 1.3.4 Analyzing the Speed of Algorithms 5 1.3.5 Engineering Numerical Software 6 1.4 Example: Polynomial Evaluation 7 1.5 Floating Point Arithmetic 9 1.5.1 Further Details 12 1.6 Polynomial Evaluation Revisited 15 1.7 Vector and Matrix Norms 19 1.8 References and Other Topics for Chapter 1 23 1.9 Questions for Chapter 1 24 2 Linear Equation Solving 31 2.1 Introduction 31 2.2 Perturbation Theory 32 2.2.1 Relative Perturbation Theory 35 2.3 Gaussian Elimination 38 2.4 Error Analysis 44 2.4.1 The Need for Pivoting 45 2.4.2 Formal Error Analysis of Gaussian Elimination 46 2.4.3 Estimating Condition Numbers 50 2.4.4 Practical Error Bounds 54 2.5 Improving the Accuracy of a Solution 60 2.5.1 Single Precision Iterative Refinement 62 2.5.2 Equilibration 62 2.6 Blocking Algorithms for Higher Performance 63 2.6.1 Basic Linear Algebra Subroutines (BLAS) 66 2.6.2 How to Optimize Matrix Multiplication 67 2.6.3 Reorganizing Gaussian Elimination to Use Level 3 BLAS 72 2.6.4 More About Parallelism and Other Performance Issues . 75 vi Contents 2.7 2.8 2.9 Special Linear Systems 2.7.1 Real Symmetric Positive Definite Matrices 2.7.2 Symmetric Indefinite Matrices 2.7.3 Band Matrices 2.7.4 General Sparse Matrices 2.7.5 Dense Matrices Depending on Fewer Than O(n2) Pa- rameters References and Other Topics for Chapter 2 Questions for Chapter 2 76 76 79 79 83 90 93 93 3 Linear Least Squares Problems 101 3.1 Introduction 101 3.2 Matrix Factorizations That Solve the Linear Least Squares Prob- lem 105 3.2.1 Normal Equations 106 3.2.2 QR Decomposition 107 3.2.3 Singular Value Decompos

Linear Algebra and Its Applications (Pearson 4ed 2012) By David.C Lay

Gilbert_Strang-Linear_Algebra_and_Its_Applications_4ed 课后答案

将简单的解释与大量的实际示例结合起来，提供了一种创新的线性代数教学方法。 不需要先验知识，它涵盖线性代数的各个方面-向量，矩阵和最小二乘

G Strang的经典著作： Introduction to Linear Algebra。 最新第六版，英文原版，MIT课程用书，