This site uses cookies.
Some of these cookies are essential to the operation of the site,
while others help to improve your experience by providing insights into how the site is being used.
For more information, please see the ProZ.com privacy policy.
This person has a SecurePRO™ card. Because this person is not a ProZ.com Plus subscriber, to view his or her SecurePRO™ card you must be a ProZ.com Business member or Plus subscriber.
Affiliations
This person is not affiliated with any business or Blue Board record at ProZ.com.
English to Hindi: technical lecture General field: Marketing Detailed field: Automotive / Cars & Trucks
Source text - English Say the first case we have discussed is, if the covariance matrix for every class i is of the form, σ2I, where both this covariance matrix is of dimension dxd. Where our feature vectors are of dimension d and this identity matrix is also of dimension dxd. So, because this is identity matrix so this simply says that covariance matrix is a diagonal matrix, where every diagonal element is of value σ2. That means every component have the same variance whereas off diagonal elements are equal to 0 so because off diagonal elements are 0’s so the components, different components of the feature vectors are statistically independent.
Translation - Hindi अगर पहले उदाहरण को मानें जिसकी चर्चा हम कर चुके हैं, यदि प्रत्येक पद i के लिए कोवैरिअन्स मैट्रिक्स (covariance matrix), के रूप में है, जहाँ इन दोनों कोवैरिअन्स मैट्रिक्स (covariance matrix) की विमा d*d है। जहाँ हमारे फ़ीचर वेक्टर् (feature vector) की विमा d है और इस आइडेंटिटी मैट्रिक्स (Identity Matrix) की विमा भी d*d है। इसलिए, चूँकि यह आइडेंटिटी मैट्रिक्स (Identity Matrix) है, यह सरलता से कहता है कि कोवैरिअन्स मैट्रिक्स (covariance matrix) एक डायगोनल मैट्रिक्स (Diagonal Matrix) है, जहाँ प्रत्येक डायगोनल मैट्रिक्स (Diagonal Matrix) का मान है। इसका तात्पर्य है कि प्रत्येक कम्पोनेंट (component) का समान वैरिअन्स (variance) है, जबकि डायगोनल (diagonal) से इतर ऐलिमेन्ट्स (elements) 0 के बराबर हैं, चूँकि डायगोनल (diagonal) से इतर ऐलिमेन्ट्स (elements) 0 हैं, इसलिए कम्पोनेंट्स (components), इसलिए फ़ीचर वेक्टर्स (feature vectors) के विभिन्न कम्पोनेंट्स (components) सांख्यिकीय रूप से स्वतंत्र हैं।
More
Less
Translation education
Graduate diploma - IGNOU
Experience
Years of experience: 8. Registered at ProZ.com: Jul 2020. Became a member: Jun 2023.
Member since Jun '23
Expertise