PCA对手写数字数据集的降维 还记得我们上一周在讲特征工程时，使用的手写数字的数据集吗？数据集结构为(42000, 784)，用KNN跑一次半小时，得到准确率在96.6%上下，用随机森林跑一次12秒，准确率在93.8%，虽然KNN效果好，但由于数据量太大，KNN计算太缓慢，所以我们不得不选用随机森林 ...
分类：
编程语言 时间：
2021-06-28 18:03:47
阅读次数：
0
1 PCA参数列表 2 PCA属性列表 3 PCA接口列表 ...
分类：
编程语言 时间：
2021-06-28 18:03:27
阅读次数：
0
PCA对手写数字数据集的降维 1. 导入需要的模块和库 from sklearn.decomposition import PCA from sklearn.ensemble import RandomForestClassifier as RFC from sklearn.model_select ...
分类：
编程语言 时间：
2020-05-30 23:26:07
阅读次数：
114
PCA中的SVD 1 PCA中的SVD哪里来？ 细心的小伙伴可能注意到了，svd_solver是奇异值分解器的意思，为什么PCA算法下面会有有关奇异值分解的参数？不是两种算法么？我们之前曾经提到过，PCA和SVD涉及了大量的矩阵计算，两者都是运算量很大的模型，但其实，SVD有一种惊人的数学性质，即是 ...
分类：
编程语言 时间：
2020-05-29 17:46:29
阅读次数：
69
本文转自公众号《数据科学家联盟》 一、主成分分析法的思想及其原理 1、PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法（非监督的机器学习方法）。 其最主要的用途在于“降维”，通过析取主成分显出的最大的个别差异，发现更便于人类理解的特 ...
分类：
其他好文 时间：
2020-05-03 18:41:03
阅读次数：
154
本篇文章是原文的译文，然后自己对其中做了一些修改和添加内容（随机森林和降维算法）。文章简洁地介绍了机器学习的主要算法和一些伪代码，对于初学者有很大帮助，是一篇不错的总结文章，后期可以通过文中提到的算法展开去做一些实际问题。Google的自驾车和机器人得到了很多新闻，但公司的真正未来是机器学习，这种技... ...
分类：
编程语言 时间：
2020-02-18 16:39:58
阅读次数：
110
线性判别分析(Linear Discriminant Analysis)，简称LDA,是一种经典的线性学习方法。在二分类问题上最早由Fisher提出，也称"Fisher判别分析"。 在主成分分析原理总结中，我们对降维算法PCA进行了总结。这里的LDA是另一种经典的的降维算法。使用PCA进行降维，我们 ...
分类：
其他好文 时间：
2020-01-11 00:06:20
阅读次数：
110
主成分分析 线性、非监督、全局的降维算法 PCA最大方差理论 出发点：在信号处理领域，信号具有较大方差，噪声具有较小方差 目标：最大化投影方差，让数据在主投影方向上方差最大 PCA的求解方法： 对样本数据进行中心化处理 求样本协方差矩阵 对协方差矩阵进行特征分解，将特征值从大到小排列 取特征值前d大 ...
分类：
其他好文 时间：
2019-11-24 15:58:56
阅读次数：
102
讲授LDA基本思想，寻找最佳投影矩阵，PCA与LDA的比较，LDA的实际应用 前边讲的数据降维算法PCA、流行学习都是无监督学习，计算过程中没有利用样本的标签值。对于分类问题，我们要达到的目标是提取或计算出来的特征对不同的类有很好的区分度，由于没有用样本的标签值，会导致一个问题，不同的两类样本，如A ...
分类：
其他好文 时间：
2019-11-16 19:45:55
阅读次数：
89
