目录 What is Non-Parametric About? What is Non-Parametric About? 在我们继续之前,我只想强调一个常见的误解。当我们考虑使用非参数 Double-ML 模型来估计 CATE 时,我们似乎会得到一个非线性治疗效果。例如,让我们假设一个非常简单的数据生成过程(DGP),其中 discont 对销售额的影响是非线性的,但却是通过
三维变换 和上节一样,我们使用齐次坐标 3D点: ( x , y , z , 1 ) ⊤ (x,y,z,1)^\top (x,y,z,1)⊤3D向量: ( x , y , z , 0 ) ⊤ (x,y,z,0)^\top (x,y,z,0)⊤ 通常情况下, w ≠ 0 w\neq0 w=0,3D点表示为 ( x / w , y / w , z / w , 1 ) ⊤ (x/w,y/w,
Gram-Schmidt 正交化的简单实现 Gram-Schmidt(格拉姆-施密特) 正交化可以正交化一组给定的向量,使这些向量两两垂直,这里列出一份简单的实现(Lua): -- vector addfunction add(a, b)if a and b and #a == #b thenlocal ret = {}for i = 1, #a dotable.insert(ret,
@TOC复数如何实现下变频 这里介绍复数信号如何实现数字正交下变频。 理论 首先考虑一个复数信号 s ( t ) = e j θ = c o s ( θ ) + i s i n ( θ ) . s(t) = e^{j\theta}=cos(\theta)+isin(\theta)\,. s(t)=ejθ=cos(θ)+isin(θ). 下面是数字正交下变频的系统框图。 输出也是两路信号,
本文始发于个人公众号:TechFlow 向量内积 这个基本上是中学当中数学课本上的概念,两个向量的内积非常简单,我们直接看公式回顾一下: X ⋅ Y = ∑ i = 1 n x i ∗ y i X \cdot Y = \sum_{i=1}^n x_i*y_i X⋅Y=i=1∑nxi∗yi 这里X和Y都是n维的向量,两个向量能够计算内积的前提是两个向量的维度一样。从上面公式可
0. 四个子空间 1. 正交向量 两向量点乘为0,向量正交。 A ⊤ B = 0 A^{\top}B=0 A⊤B=0 勾股定理 ∣ ∣ x ∣ ∣ 2 + ∣ ∣ y 2 ∣ ∣ = ∣ ∣ x + y ∣ ∣ 2 ||x||^2+||y^2||=||x+y||^2 ∣∣x∣∣2+∣∣y2∣∣=∣∣x+y∣∣2 验证正交条件 ∣ ∣ x ∣ ∣ 2 = x ⊤ x = x x ⊤