特征提取（机器学习数据预处理） 特征提取与特征选择都是数据降维的技术，不过二者有着本质上的区别；特征选择能够保持数据的原始特征，最终得到的降维数据其实是原数据集的一个子集；而特征提取会通过数据转换或数据映射得到一个新的特征空间，尽管新的特征空间是在原特征基础上得来的，但是凭借人眼观察可能看不出新数据 ...
分类：
其他好文 时间：
2019-09-11 11:31:08
阅读次数：
293
本人较懒，故间断更新下常用的tf函数以供参考： 一、tf.reduce_sum( ) reduce_sum( ) 个人理解是降维求和函数，在 tensorflow 里面，计算的都是 tensor，可以通过调整 axis 的维度来控制求和维度。 参数： input_tensor：要减少的张量.应该有数 ...
分类：
其他好文 时间：
2019-09-03 21:58:40
阅读次数：
122
一、隐语义模型（LFM Latent Factor Mode） 基于样本的用户偏好信息，训练一个推荐模型，然后根据实时的用户喜好信息进行预测新物品的得分，计算推荐 目标：揭示隐藏特征 方法：矩阵分解进行降维分析【分解之后的矩阵代表了用户和物品的隐藏特征】 1、LFM降维方法-矩阵因子分解 想要发现K ...
分类：
编程语言 时间：
2019-09-03 09:16:02
阅读次数：
107
题目 https://nanti.jisuanke.com/t/41288 题意 给出n个城市的危险程度以及一个邻接矩阵描述道路信息。之后m个询问，问 ( u, v ) 城市之间不经过大于w危险程度的城市的情况下的最短路。 题解 裸的Floyd，不降维的那种。edge【k】【i】【j】表示用前k个城 ...
分类：
其他好文 时间：
2019-08-31 20:59:55
阅读次数：
80
"2019 Multi University Training Contest 7" 补题链接： "2019 Multi University Training Contest 7" 1001 A + B = C 题意： 给出 $a, b, c$，求 $x, y, z$ 满足 $a\cdot 10^ ...
分类：
其他好文 时间：
2019-08-29 11:20:44
阅读次数：
115
sklearn 机器学习的工具箱 sklearn功能模块 分类: 识别某个对象属于哪个类别 垃圾邮件监测, 图像识别 回归: 预测与对象相关联的连续值属性 >股价 聚类: 将相似对象自动分组 >客户细分, 分组实验结果 降维: 减少要考虑的随机变量的数量 >可视化 模型选择: 比较, 验证, 选择参 ...
分类：
其他好文 时间：
2019-08-25 16:07:30
阅读次数：
472
PCA本质上是一个有损的特征压缩过程，但是我们期望损失的精度尽可能地少，也就是希望压缩的过程中保留最多的原始信息。要达到这种目的，我们希望降维（投影）后的数据点尽可能地分散。 基于这种思想，我们希望投影后的数据点尽可能地分散。而这种分散程度在数学上可以利用方差来表示。设降维后的特征为 A，也就是希望 ...
分类：
其他好文 时间：
2019-08-24 16:58:00
阅读次数：
73
PCA的数学原理 前言 数据的向量表示及降维问题 向量的表示及基变换 内积与投影 基 基变换的矩阵表示 协方差矩阵及优化目标 方差 协方差 协方差矩阵 协方差矩阵对角化 算法及实例 PCA算法 实例 进一步讨论 PCA的数学原理 前言 数据的向量表示及降维问题 向量的表示及基变换 内积与投影 基 基 ...
分类：
其他好文 时间：
2019-08-21 12:12:31
阅读次数：
106
定义： 特征选择是一个「降维」的过程，是一个去掉无关特征，保留相关特征的过程。从所有特征集中选取最好的一个特征子集。 特征提取是一个将机器学习算法不能识别出来的原始数据转变成可以识别到数据特征的过程。没有「筛选」的操作，不需要考虑特征是否有用，所以并不能称其为降维。 通过实例理解，以文本分类为例： ...
分类：
其他好文 时间：
2019-08-18 23:38:42
阅读次数：
122
主成分分析(PCA, Principal Component Analysis) 一个非监督的机器学习算法 主要用于数据的降维处理 通过降维,可以发现更便于人类理解的特征 其他应用:数据可视化,去噪等 主成分分析是尽可能地忠实再现原始重要信息的数据降维方法 原理推导: 如图,有一个二维的数据集,其特 ...
分类：
其他好文 时间：
2019-08-18 13:51:09
阅读次数：
480
