Book4_Power-of-Matrix
Book4_Power-of-Matrix copied to clipboard
Visualize-ML
Book_4_《矩阵力量》 | 鸢尾花书：从加减乘除到机器学习；上架！
第12页最上: ’在矩阵 X 眼中，C(X)、Null(XT )、R(X) 和 Null(X) 是独一无二的存在’, 这里指四个子空间是独一无二的存在. 而第11页最上和最下的C(X)、Null(XT )、R(X) 和 Null(X)却指张成四个子空间的无数正交基中的一组. 相同符号分别表示不同的概念‘独一无二’和‘无数’, 不进行注释的话, 很令人费解. 建议简单注释一下’ 在矩阵 X 眼中, 四个子空间C(X)…是独一无二的存在’ 或者直接写成'在矩阵 X 眼中, 四个子空间是独一无二的存在'.
第23页上面: '我们可以把标准差 σj也看做是向量 σj，我们给它起个名字“标准差向量”。' . 这里很难将'标量'σj和'向量'σj联系起来, 实际上它们也不是一个东西. 能否增加一个注释: σj就是SIGMA进行cholesky分解后的上三角阵的每列, 参照的(4)式和图8. 第27页上面: '蓝色叉 × 距离原点欧氏距离的平方对应...', 应该是'平方和对应' 同样的问题也存在于'Book4_Ch24_数据分解'第13页最后一行: '...y 中所有坐标点距离原点的欧氏距离平方'和''.
图4下方段落中第二行，语句：‘容易发现 $-\nabla f(\mathbf{x})$ 在 $h(\mathbf x)$方向，在 $f(\mathbf x)$ 减小方向存在投影分量’ 该语句不通顺，可以改为：容易发现 $-\nabla f(\mathbf{x})$也就是 $f(\mathbf x)$ 减小方向，在 $h(\mathbf x)$方向存在投影分量。
**率 -> 律**  实体书也有这个问题
**e1+e2 不一致** **pdf:**  **实体书:** 
**pdf:**  **实体书:**  实体书多了红线这一句,是**冗余**(这句之前点出来了)且**错误**(应该是 不满秩)的
**pdf:**  **实体书:** 
 yj?**单位矩阵???** **Page 8 | Chapter 9 正交投影 中**  要么改成 **V是正交矩阵** 要么改成 **vj是单位向量(推荐,且本意应该是这个)**
 应该为  **理由:** Page 12 中  Page 13 中  以及,我验算了