aiops

将机器学习应用于工程实践

时间序列模型

pip3 install "gluonts[mxnet,pro]" pip3 install matplotlib https://zh.mxnet.io/blog/gluon-ts-release

特征值与特征向量

1. 特征值与特征向量是线性代数的核心内容，也是方阵的属性之一。可以用于降噪，特征提取，图形压缩
2. 特征值
3. 特征向量

特征值与特征向量的求解

1. 特征值就是特征方程的解
2. 求解特征值就是求特征方程的解
3. 求出特征值后，再求对应特征向量

SVD奇异值分解

1. 将任意较为复杂的矩阵用更小，更简单的3个子矩阵相乘表示

机器学习关心的问题

1. 捕捉函数的变化趋势
2. 研究y 如何随着x而变
3. 趋势是通过求导和微分来实现的

导数

1. 导数是定义在连续函数的基础上
2. 想要对函数求导，函数至少要有一段是连续的
3. “导数” 到是引导，导航到意思，它与函数上连续两个点之间的变化趋势，也就是变化的方向相关.
4. 通过导数在机器学习领域，可以得到标签y随特征x而变化的方向
5. 导数是针对一个变量而言的函数变化趋向
6. 多云（即多变量）的函数，它关于其中一个变量的导数为偏导数，此时保持其他变量恒定

梯度下降

1. 梯度下降已存在200多年，是机器学习的基础算法
2. 对多元函数的各参数求偏导数，然后把所求得的各个参数的偏导数以向量的形式写出来，就是“梯度”
3. 梯度下降的作用

• 3.1 机器学习的本质是找到最优的函数
• 3.2 如何衡量函数是最优解：尽量减小预测值和真值间的误差，也可以叫“损失值”
• 3.3 可以建立误差和模型参数之间的函数（最好是凸函数）
• 3.4 梯度下降能够引导我们走到凸函数的全局最低点，找到误差最小的参数

张量

1. 在机器学习中，把用于存储数据的结构叫张量，矩阵是二维数组，机器学习中就叫做2D张量
2. 张量是机器学习程序中的数字容器
3. 张量的维度称为轴（axis）
4. 轴的个数称为阶(rank)