Séance de cours
Régression linéaire : absence ou présence de covariables
Séances de cours associées (32)
Algèbre linéaire: Décomposition de la valeur singulière
Déplacez-vous dans la décomposition de valeur singulière et ses applications dans l'algèbre linéaire.
Analyse de corrélation canonique: Vue d'ensemble
Couvre l'analyse canonique de corrélation, une méthode pour trouver des relations entre deux ensembles de variables.
Essai de régression linéaire
Explorer les moindres carrés dans la régression linéaire, les essais d'hypothèses, les aberrations et les hypothèses du modèle.
Similarité et diagonalisation des matrices
Explore la similarité de la matrice, la diagonalisation, les polynômes caractéristiques, les valeurs propres et les vecteurs propres dans l'algèbre linéaire.
Projections orthogonales: Méthode Gram-Schmidt
Explore les projections orthogonales et la méthode de Gram-Schmidt pour construire des bases.
Directives d'examen: Mesures COVID 2021
Couvre les lignes directrices pour un examen 2021 à venir, en mettant l'accent sur les mesures de sécurité et les procédures d'examen COVID.
Décomposition de la valeur singulière : applications et interprétation
Explique la construction de U, la vérification des résultats et l'interprétation de SVD dans la décomposition matricielle.
Polynômes caractéristiques et matrices similaires
Explore les polynômes caractéristiques, la similarité des matrices et les valeurs propres dans les transformations linéaires.
Bases orthogonales et projection
Introduit les bases orthogonales, la projection sur les sous-espaces, et le processus Gram-Schmidt dans l'algèbre linéaire.
Sous-espaces, spectres et projections
Explore les sous-espaces, les spectres et les projections en algèbre linéaire, y compris les matrices symétriques et les projections orthogonales.