Trong bài lần trước chúng ta nhận thấy covariance matrix xác định độ mở rộng (spread of data) thông qua variance - các thành phần trên đường chéo và hướng (của data) thông qua covariance - các thành phần ngoài đường chéo. Do đó nếu chúng ta muốn biểu diễn covariance matrix với vector và độ lớn của nó thì cách đơn giản là tìm vector chỉ theo hướng mở rộng nhất của data và độ lớn của nó bằng với variance theo hướng đó.

Bài trước chúng ta đã tìm hiểu sơ bộ về covariance matrix và ví dụ về cách tính trên dữ liệu mẫu. Các bạn có thể xem lại tại đây. Trong phần này cùng biểu diễn covariance matrix thông qua vectorization.

Giới thiệu

Eigenvectors và eigenvalues có nhiều ý nghĩa trong Conputer vision và ML. Chúng ta đã biết đến PCA (principal component analysis) cho dimensonality reduction hay Eigenfaces cho face recognition. Trong bài này chúng ta sẽ tìm hiểu về chúng cho trường hợp 2D.

Nhóm mình đang có bài toán liên quan đến multi-label classification. Do đó mình viết bài này để chia sẻ một số vấn đề xung quanh multi-label classification.